Étudiant M.Sc. Informatique & Développeur
Passionné par la vision par ordinateur, le machine learning et le développement logiciel. Actuellement en maîtrise à l'UQAC, je travaille sur le projet LADDER — un dataset pour l'analyse comparative de difficulté dans les jeux vidéo de plateformes.
Computer Vision & Machine Learning
Mes Services
Solutions complètes adaptées à vos besoins
Vision par Ordinateur & IA
Développement de pipelines de traitement d'images, détection d'objets avec YOLO, classification et analyse de données visuelles pour la recherche et l'industrie.
PythonPyTorchYOLOOpenCVDéveloppement Web Full-Stack
Conception et développement d'applications web modernes et performantes avec des frameworks robustes côté backend et frontend.
DjangoLaravelNext.jsPostgreSQLAnalyse de Données & ML
Extraction, traitement et analyse de données massives. Entraînement de modèles de machine learning pour la classification, la prédiction et l'automatisation.
PythonScikit-learnPandasNumPyApplications Desktop
Développement d'applications bureau riches avec interfaces graphiques modernes pour le traitement de données, l'annotation et la visualisation.
PythonPyQt6Automatisation & Scraping
Création de robots d'extraction de données web, automatisation de workflows et intégration de systèmes via APIs.
PythonFastAPISeleniumRecherche Académique
Contribution à la recherche scientifique en informatique, rédaction d'articles, développement de méthodologies expérimentales et analyse statistique.
PythonPandasNumPyExpériences
Mon parcours professionnel et mes réalisations
Chercheur — Projet LADDER
Développement du projet LADDER : dataset pour l'analyse comparative de difficulté dans les jeux vidéo de plateformes (Super Mario Bros, Super Meat Boy, Mega Man). Pipeline de vision par ordinateur avec YOLO atteignant 99.5% de précision sur 15 566 frames. Traitement à 180-220 FPS avec réduction de données de 60-70%.
PythonPyTorchYOLOOpenCVPyQt6Pandas
Développeur Full-Stack
Développement d'applications web sur mesure pour des clients variés. Conception d'APIs REST, intégration de systèmes de paiement, et mise en place d'architectures scalables avec Laravel et Django.
DjangoLaravelReactPostgreSQLDocker
Stagiaire en Développement Logiciel
Stage de développement logiciel axé sur la création d'outils internes d'automatisation. Développement de scripts Python pour le traitement de données et intégration avec des APIs tierces.
PythonFastAPIPostgreSQLGit
Co-fondateur & Développeur
Création d'une plateforme open source d'analyse de gameplay utilisant la vision par ordinateur. Coordination d'une équipe de 3 contributeurs, gestion du repo GitHub et documentation technique.
PythonFastAPIReactYOLOOpenCV
Bénévole — Mentorat Tech
Mentorat de développeurs juniors en Python et développement web. Organisation d'ateliers pratiques sur Git, les bonnes pratiques de code et l'introduction au machine learning.
PythonDjangoGitProjets
Découvrez mon portfolio de projets et solutions innovantes
LADDER — Speedrun Pipeline Manager
Application desktop PyQt6 pour automatiser l'extraction, le téléchargement et l'analyse de données de speedrun depuis speedrun.com. Pipeline de 15 modules atteignant 96.5% de classification automatisée.
PythonYOLOOpenCVPyQt6Pandas
YOLO Mario — Détection d'objets
Modèle YOLO entraîné pour la détection d'objets dans Super Mario Bros. 99.5% de précision pour la classification de niveaux sur 15 566 frames et 97% mAP50 pour la détection de 25 classes d'objets.
PythonPyTorchYOLOOpenCVNumPy
Speedrun Data Scraper
Application de web scraping pour extraire les données de speedrun depuis speedrun.com. Gestion de 6 catégories Super Mario Bros avec détection automatique des pages et anti-détection.
PythonFastAPISelenium
Annotation Tool — Sprites Mario
Outil d'annotation et d'augmentation de données pour l'entraînement de modèles de détection d'objets. Support de 25 classes d'objets Mario avec augmentation 7x du dataset.
PythonOpenCVPyQt6
E-Commerce API
API REST complète pour une plateforme e-commerce avec gestion des produits, panier, commandes, paiements Stripe et notifications en temps réel.
LaravelPostgreSQLRedisDocker
Dataset Analyzer
Scripts Python pour le parsing, la visualisation et l'analyse statistique du dataset Rafael Pinto SMB contenant 737 000+ frames de gameplay.
PythonScikit-learnPandasNumPy
Task Manager App
Application de gestion de tâches avec authentification, tableaux Kanban, notifications et API REST. Projet personnel pour explorer Django REST Framework.
DjangoReactPostgreSQLDockerFormation
Mon parcours académique
Maîtrise en Informatique (M.Sc.)
Recherche sur l'analyse comparative de difficulté dans les jeux vidéo de plateformes via la vision par ordinateur et le machine learning. Projet LADDER sous la supervision du Prof. Bruno Bouchard, Hugo Tremblay et Yannick Francillette.
PythonPyTorchYOLOOpenCVPandas
Baccalauréat en Informatique
Formation en informatique couvrant les fondamentaux de la programmation, les algorithmes, les bases de données, les réseaux et le développement web. Projet de fin d'études en développement d'applications.
PythonPHPJavaScriptMySQLGitBlog
Articles, tutoriels et retours d'expérience
Laravel + Next.js : architecture d'un portfolio moderne
Guide technique sur l'architecture d'un site portfolio avec Laravel comme API backend, Filament pour l'admin, et Next.js pour le frontend SSR.
Comment j'ai atteint 99.5% de précision avec YOLO sur des sprites Mario
Retour d'expérience sur l'entraînement d'un modèle YOLO pour la classification de niveaux dans Super Mario Bros, avec les défis rencontrés et les solutions appliquées.
Construire un pipeline de traitement vidéo à 200 FPS avec Python
Architecture et optimisations pour traiter des vidéos de gameplay en temps quasi-réel avec OpenCV et multiprocessing.
Publications
Articles scientifiques, mémoires et rapports de recherche
LADDER : A Dataset for Comparative Difficulty Analysis in Platformer Video Games
Adjanohoun, J., Bouchard, B., Tremblay, H., Francillette, Y.
IEEE Conference on Games (CoG)
Voir le résumé
We present LADDER, a novel dataset designed for comparative difficulty analysis across platformer video games. Using computer vision pipelines with YOLO object detection, we automatically extract and classify gameplay elements from speedrun footage of Super Mario Bros, Super Meat Boy, and Mega Man. Our pipeline achieves 96.5% automated classification with 60-70% data reduction while maintaining analytical precision.
Projet : LADDER — Speedrun Pipeline Manager
Automated Level Classification in Super Mario Bros Using Deep Learning
Adjanohoun, J., Francillette, Y., Bouchard, B.
Journal of Game AI Research
Voir le résumé
This paper presents a deep learning approach for automated level classification in Super Mario Bros speedrun footage. Our YOLO-based model achieves 99.5% accuracy on a dataset of 15,566 annotated video frames across 25 object classes.
Projet : LADDER — Speedrun Pipeline Manager
Contribution technique au projet LADDER : Pipeline de traitement vidéo pour l'analyse de jeux de plateformes
Adjanohoun, J.
Université du Québec à Chicoutimi
Voir le résumé
Ce mémoire présente la contribution technique complète au projet LADDER, incluant le développement d'un pipeline de 15 modules pour le traitement automatisé de vidéos de speedrun. Le système atteint des vitesses de 180-220 FPS avec un taux de classification automatisé de 96.5%.
Projet : LADDER — Speedrun Pipeline Manager
Contact
Connectons-nous et construisons ensemble quelque chose d'extraordinaire
Envoyez-moi un message
Ma biographie en vidéo
Pour mieux me connaître