Formation Computer Vision : Reconnaissance d'image avancée et cas pratiques avec OpenCV et le Deep Learning Développer un algorithme de reconnaissance et entraîner un réseau de neurones

Durée 2 jours
Niveau Intermédiaire
Classe à distance
Possible

Vous pouvez suivre cette formation en direct depuis votre domicile ou votre lieu de travail. Plus d'informations sur notre solution de classe à distance...

Référence ICVA

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.

Concrètement à l'issue de cette formation Computer Vision Avancée, vous serez en mesure de :

  • Comprendre les technologies de l’IA (OpenCV vs Deep Learning) utilisées pour la reconnaissance d’image et savoir laquelle est la plus adaptée à son projet
  • Savoir identifier les briques techniques existantes (algorithme, solution Cloud, etc.)
  • 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

Les usages les plus fréquents
Introduction aux technologies Machine Learning / Deep Learning
Différents modes de représentation d’une image
Problématiques spécifiques à la reconnaissance d’image
Technologies IA utilisées pour la reconnaissance d’image : différences entre OpenCV et les techniques de Deep Learning

Le marché de la Computer Vision

La pluralité des offres sur le marché
Les caractéristiques
Alternative solution sur mesure propriétaire / licence à l'année pour l'utilisation d'une plateforme
Conseils et retours d’expérience

Structurer un projet de Computer Vision

Quel modèle retenir pour mon projet ?
Par où commencer ?
Savoir évaluer la maturité de son projet pour en évaluer le coût
Evaluer le retour sur investissement (ROI)

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 OpenCV
Les étapes d’un projet OpenCV :
- Manipulation d’images
- Transformation d’image (Pre-processings)
- Extraction des features

Cas pratique : Développer un algorithme pour détecter des visages

La théorie Deep Learning en reconnaissance d’image

Neural Networks Theory
Convolutional Neural Networks (CNNs)
Transfer Learning from Pretrained Networks
Autres applications : détection d’objets, Segmentation

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

Le processus théorique du déroulement d’un projet de Deep Learning :- Mise en place de l’architecture d’un projet de deep learning
- Lancement des entraînements et interprétation des résultats
- Industrialisation d’un algorithme

Cas pratique : Entraînement d’un réseau de neurones pour la classification d’émotions sur un visage

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


Formations Informatique
et Management
en ligne à ce jour

+
Stagiaires dans nos salles
de cours sur
l'année

%
De participants satisfaits
ou très satisfaits de nos
formations


Formateurs experts
validés par
PLB