Tous les projets

Vision par ordinateur / Projet

Nostalix · Restauration d’images et de vidéos

Restauration d’images et de vidéos avec RRDBNet, Real-ESRGAN et GFPGAN, exposée via une API Flask.

Mon rôle
Machine learning & développement applicatif
Période
Déc. 2025 — Janv. 2026
PSNR
≈28,5 dB
SSIM
≈0,92
Facteur d’agrandissement
4×

Résultats d’évaluation du projet. 4× correspond au facteur d’agrandissement ; la qualité dépend des données d’entrée.

01 / Le contexte

Le problème étudié

Une application de restauration d’images et de vidéos dégradées : archives, images généralistes et contenus anime ou manga.

02 / Ma contribution

Mon travail

Préparation des données, entraînement et évaluation de modèles, puis intégration de modèles préentraînés à une API et une application web.

Le défi

Concilier qualité de restauration, traitement des images et des vidéos, et mémoire GPU disponible.

03 / La démarche

Le fonctionnement du système

  1. Préparer 52 000 images FFHQ par normalisation, redimensionnement, extraction de patchs et augmentation.
  2. Entraîner des modèles RRDBNet avec PyTorch et évaluer PSNR, SSIM et MSE.
  3. Exposer quatre modèles préentraînés Real-ESRGAN / GFPGAN via une API REST Flask.
  4. Prendre en charge les lots d’images et de vidéos, la détection du GPU, l’adaptation à la mémoire et l’agrandissement 4×.

04 / Les résultats

Les réalisations

  • MSE d’environ 0,012 dans l’évaluation rapportée.
  • Une application web reliant les modèles de restauration au traitement d’images et de vidéos par lots.
Voir la capture de l’application Nostalix
Projet suivant

Donner du sens aux données bancaires