{"id":21377,"date":"2025-07-18T16:10:00","date_gmt":"2025-07-18T14:10:00","guid":{"rendered":"https:\/\/fondation-grenoble-inp.fr\/?p=21377"},"modified":"2025-08-04T16:26:36","modified_gmt":"2025-08-04T14:26:36","slug":"un-dataset-multispectral-inedit-pour-lia-et-la-mobilite-lynred-ouvre-la-voie","status":"publish","type":"post","link":"https:\/\/fondation-grenoble-inp.fr\/en\/un-dataset-multispectral-inedit-pour-lia-et-la-mobilite-lynred-ouvre-la-voie\/","title":{"rendered":"Un dataset multispectral in\u00e9dit pour l\u2019IA et la mobilit\u00e9 : LYNRED ouvre la voie"},"content":{"rendered":"
LYNRED<\/a>, m\u00e9c\u00e8ne de la Deep Red Chair<\/a> port\u00e9e par la Grenoble INP Foundation<\/a>, a r\u00e9cemment publi\u00e9 le\u00a0premier dataset multispectral open source<\/a> en Europe\u00a0d\u00e9di\u00e9 aux applications d\u2019intelligence artificielle dans le domaine de la\u00a0mobilit\u00e9\u00a0et de l\u2019imagerie thermique. Ce jeu de donn\u00e9es, librement accessible, constitue une avanc\u00e9e majeure pour les chercheurs et ing\u00e9nieurs en vision par ordinateur. Il offre une base solide pour le d\u00e9veloppement de syst\u00e8mes de d\u00e9tection avanc\u00e9s, notamment dans des conditions de visibilit\u00e9 d\u00e9grad\u00e9e, o\u00f9 l\u2019imagerie infrarouge joue un r\u00f4le cl\u00e9.<\/strong><\/p>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Le dataset s\u2019articule autour de trois volets compl\u00e9mentaires :<\/p> D\u00e9tection multimodale<\/strong>\u00a0: ce volet fournit des images annot\u00e9es dans des environnements vari\u00e9s, permettant l\u2019entra\u00eenement d\u2019algorithmes de reconnaissance visuelle sur plusieurs cat\u00e9gories d\u2019objets. Il est particuli\u00e8rement adapt\u00e9 au d\u00e9veloppement de syst\u00e8mes d\u2019aide \u00e0 la conduite dans des conditions complexes.<\/p><\/li> Stereovision<\/strong>\u00a0: cette partie du dataset associe des flux synchronis\u00e9s issus de cam\u00e9ras infrarouges et visibles, permettant de travailler sur la fusion de donn\u00e9es, l\u2019analyse de s\u00e9quences vid\u00e9o et l\u2019estimation de profondeur dans des contextes urbains et ruraux, de jour comme de nuit.<\/p><\/li> Estimation de port\u00e9e<\/strong>\u00a0: ce segment propose des s\u00e9quences d\u00e9di\u00e9es \u00e0 l\u2019\u00e9valuation de la distance de d\u00e9tection de pi\u00e9tons, dans des sc\u00e9narios inspir\u00e9s des protocoles de s\u00e9curit\u00e9 automobile. Il permet d\u2019explorer les limites actuelles des syst\u00e8mes de freinage automatique et d\u2019anticiper les \u00e9volutions r\u00e9glementaires.<\/p><\/li><\/ul>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Ce dataset d\u00e9velopp\u00e9 et publi\u00e9 par LYNRED<\/a><\/strong> est utilis\u00e9 comme base de r\u00e9f\u00e9rence\u00a0dans plusieurs projets de recherche men\u00e9s au sein de la\u00a0Deep Red Chair<\/a><\/strong>. Les travaux de la chaire s\u2019appuient sur ces donn\u00e9es pour explorer des m\u00e9thodes de traitement d\u2019image, de fusion multimodale et d\u2019apprentissage profond, notamment avec l’objectif de renforcer la s\u00e9curit\u00e9 des usagers\u00a0dans des environnements complexes.<\/p>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\tUn outil au service de la recherche<\/h2>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
Un support essentiel pour les travaux de la Chaire Deep Red<\/h2>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\u00a0Acc\u00e9der au dataset<\/h2>\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t