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.
Merci pour vos commentaires !
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 3.45
Défi : Détection d'Objets avec un Modèle Personnalisé et YOLO
Glissez pour afficher le menu
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.
Merci pour vos commentaires !