Formation Computer Vision : Reconnaissance d'image et cas pratiques avec OpenCV et le Deep Learning

La Computer Vision est un domaine qui consiste à extraire, analyser et comprendre automatiquement des in-formations à partir d’image ou de vidéo.

Cette formation Computer Vision Avancée traite exclusivement de reconnaissance d’image, un sous-domaine de la Computer Vision qui consiste à identifier et à détecter un objet ou un attribut dans une image numérique. Ce cours cible la reconnaissance d’image sous l’angle technique afin de vous préparer à commencer vos projets de Computer Vision le plus rapidement possible et d’obtenir des résultats concrets qui apporteront des améliorations business.

Objectif opérationnel : 

Savoir identifier et à détecter un objet ou un attribut dans une image numérique.

Objectifs pédagogiques :

Concrètement à l'issue de cette formation Computer Vision Avancée, vous aurez acquis les connaissances et les compétences nécessaires pour :

• Comprendre les technologies de l’IA et le vocabulaire global associé (Machine Learning, Deep Learning, Réseaux de neurones, etc.) et savoir laquelle est la plus adaptée à son projet
• Savoir identifier les briques techniques existantes (algorithme, solution Cloud, etc.) et les apports de la bibliothèque OpenCV
• Savoir commencer un projet de reconnaissance d’image : installer le projet, obtenir un dataset labellisé adapté, lancer des entrainements, analyser les métriques, analyser les résultats et en déduire les bonnes améliorations à conduire
• Valider les concepts, les technologies et la dimension projet à travers un cas concret

Public :

Cette formation Reconnaissance d'image avancée s'adresse principalement aux profils techniques, dotés d’une formation de software engineer, qui s’intéressent à l’IA et savent coder en Python.

Prérequis :

Il est demandé de connaître le langage Python pour suivre ce cours Computer Vision Avancée dans de bonnes conditions. Vous pouvez par exemple avoir suivi la formation Python (réf. OPYT).

Jour 1

Introduction à la Computer Vision et technologies associées

Le marché de la Computer Vision

Structurer un projet de Computer Vision

Les étapes classiques d’un projet

Création du Dataset
Proof of Concept : validation de la faisabilité technique et mise à disposition d’un algorithme entrainé sur un dataset réduit
Pilote : entraînements et améliorations de l’algorithme dans les conditions réelles
Scale / Industrialisation : déploiement à grande échelle de l’algorithme
Le pilotage du projet (tableau de bord)
Pièges classiques à éviter

Jour 2

Les étapes d'un projet OpenCV

La théorie Deep Learning en reconnaissance d’image

Les étapes d'un projet de Computer Vision / Deep Learning

En plus des deux cas pratiques constituant l'essentiel du programme de la deuxième journée de formation, ce cours propose en fil rouge un autre cas pratique portant sur un projet réel auquel a participé le formateur.

Contexte : « Vous allez livrer à une grande entreprise de la cosmétique un algorithme entraîné permettant de définir le niveau de rides d’un utilisateur de leur produit de customized skincare ».
Ce projet a pour but de rattraper et de dépasser la concurrence sur ce sujet.

Objectifs :

• Entraîner un algorithme avec un jeu de données RGPD compliant
• Définir les règles métiers afin d’optimiser la métrique de l'algorithme
• Constituer un dataset comprenant tous les types de rides / labellisation de la donnée
• Entraîner l’algorithme sur un premier set de data
• Définir un plan d’expérimentation pour améliorer l’algorithme
• Mise en production de l’algorithme