Contenu du cours

Principes Fondamentaux de la Vision par Ordinateur

1. Introduction à la Vision par Ordinateur

Qu'est-ce que la Vision par Ordinateur ?Fondamentaux du Traitement d'Image Algèbre Linéaire pour la Manipulation d'Images

2. Traitement d'Images avec OpenCV

Transformations de Base Transformée de Fourier Filtres Passe-Bas et Passe-Haut Réduction du Bruit et Lissage Égalisation d'Histogramme Techniques de super-résolution Détection de Contours Détection de Coins et de Blobs

3. Réseaux de Neurones Convolutifs

Introduction aux Réseaux Neuronaux Convolutifs Couches de Convolution Couches de Pooling Aplatissement Fonctions d'Activation Aperçu des Modèles CNN Populaires Défi : Création d'un CNN

4. Détection d'Objets

Localisation d'Objet Détection d'Objets Prédictions de Boîtes Englobantes Intersection sur Union (IoU) et Métriques d'Évaluation Suppression Non Maximale (NMS)Boîtes d'Ancrage Aperçu du Modèle YOLO Défi : Détection d'Objets avec un Modèle Personnalisé et YOLO

5. Aperçu des Sujets Avancés

Apprentissage par Transfert en Vision par Ordinateur Aperçu de la Reconnaissance Faciale Aperçu de la Génération d'Images

Défi : Détection d'Objets avec un Modèle Personnalisé et YOLO

Dans cette tâche, vous explorerez le domaine de la détection d'objets à l'aide de l'apprentissage profond. Tout d'abord, vous construirez votre propre modèle de détection d'objets à partir de zéro en utilisant Keras. Ensuite, vous chargerez un modèle YOLOv8 pré-entraîné et l'appliquerez au même jeu de données.

Au cours de cette activité, vous allez :

Entraîner un détecteur d'objets simple basé sur Keras ;
Charger et exécuter des prédictions avec un modèle YOLOv8 entraîné sur les mêmes données ;
Évaluer ses performances sur de véritables images de validation ;
Comparer les résultats et comprendre l'écart entre les modèles personnalisés et les modèles de pointe.

Au milieu du notebook, vous réfléchirez aux raisons pour lesquelles la création de modèles de détection à partir de zéro peut être limitante — et mentionnerez brièvement l'importance de l'apprentissage par transfert pour les applications pratiques.

Tout était clair ?

Merci pour vos commentaires !

Section 4. Chapitre 8

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion