Visual automation platform

Indexation et anonymisation de données

Industrie
Concepteur Automobile
Marché
International
Chiffre d'affaire
167 milliards d'euros
Nombre d'employés
400,000

À propos

Stellantis

Stellantis, né de la fusion du Groupe PSA et de FCA Group, est l’un des leaders mondiaux de l’automobile et un fournisseur de mobilité, guidé par une vision claire : offrir la liberté de circulation avec des solutions de mobilité spécifiques, abordables et fiables. Outre son riche patrimoine et sa présence géographique de premier plan, le Groupe possède des atouts majeurs : une performance durable, une expérience approfondie et un grand nombre de collaborateurs travaillant dans le monde entier. Stellantis tirera parti de son large portefeuille de marques emblématiques, fondées par des visionnaires qui leur ont insufflé passion et esprit de compétition qui résonnent encore aujourd’hui, aussi bien auprès des employés que des clients.

OBJECTIF

  • Développer des algorithmes de deep learning pour la détection des objets et nourrir une base de données de scenarios de roulage, au service de la conception de la conduite autonome.

Exemple d’une analyse de vidéo de roulage – Détection des véhicules à proximité

PROJET

Début 2019, suite à un appel d’offre international, la solution Deepomatic a été sélectionnée par PSA, désormais STELLANTIS, afin de fournir à ses entités de conception une plateforme no-code de développement d’algorithme de deep learning pour la reconnaissance d’objet.

Grâce à la plateforme Deepomatic, les modèles de détection « scanneront » les données internes afin de détecter des situations de roulage bien spécifiques (tunnel, neige..) et de les anonymiser si nécessaire. 

BÉNÉFICES DE LA COLLABORATION

Contexte et objectifs

Dans le cadre de projets de recherche, STELLANTIS vise à faire progresser la technologie des véhicules autonomes. Ces projets permettent notamment de fournir d’importants volumes d’images contextuelles en lien avec la conduite. Ces informations vont enrichir en données réelles une base de scenario et de contexte d’environnement. 

Les objectifs et enjeux du deep learning sont :

  • Alimenter en données indexées les entités liées aux fonctions d’aide à la conduite.
  • Atteindre les objectifs d’anonymisation des données (GDPR).

Automatisation 

Les modèles Deepomatic une fois construits dans la plateforme sont utilisés massivement pour s’affranchir des traitements manuels. Les automates Deepomatic permettent donc de réaliser ce travail à un coût intéressant avec une fiabilité améliorée.

 Réglementation

La plateforme accompagne la politique de respect de la réglementation RGPD (Règlement Général sur la Protection des Données). 

Autonomie des équipes

Deepomatic participe au déploiement des technologies de l’intelligence artificielle au sein des entités R&D. Les fonctionnalités d’annotation de concept et de déploiement de ces modèles dans notre environnement ont été appréciées.

Architecture IT 

Le projet est déployé sur le cloud privé Deepomatic ou sur des serveurs locaux, afin d’intégrer les applications Deepomatic avec l’analyse d’autres types de données.

 

«  Les équipes de DEEPOMATIC et de STELLANTIS ont pleinement et efficacement collaborées pour intégrer la solution dans de nombreux environnements techniques » soulignent Fabien FIGUERES, ingénieur méthodologies BigData-IA et Jean-Louis SAUVAGET, Expert Architecture fonctionnelle véhicule / R&D STELLANTIS.

 

APPRENEZ-EN PLUS SUR LA COMPUTER VISION AU SERVICE DE L'INDUSTRIE AUTOMOBILE

OÙ NOUS TROUVER?

Deepomatic New York
135 East 57th street, 16th floor
New York, NY 10022

Deepomatic Paris
53 rue de Turbigo, 75 003 Paris

©Deepomatic 2020 – Privacy Policy

Ce site web utilise des cookies pour améliorer votre expérience. Pour modifier vos paramètres de cookies ou en savoir plus, cliquez ici. Si vous continuez à naviguer sur notre site web, vous acceptez ces cookies.