Recapitulatif du rendez vous 14 11 18
Sujet : les systèmes CNN detecteur d'objet Yolo, Detectron, Tensorflow ...
Sujet : Détecteur multi-objets dans des images naturelles exploitant un graphe tel que G.
Étapes :
- Machine virtuelle Docker
- Prototype 0 : Génération de G
- Spécifier le graphe XML
- Modélisation UML du logiciel de détection
- Prototype 1 : Détecteur d'objets seul
- Détecteur Yolo
- Base d'apprentissage COCO
- Prototype 2 : Détecteur d'objets avec retour du graphe
Pour chaque prototype, spécifier :
- Entrée
- Sortie
- Paramètres
- Mode de validation
Au départ, YOLO prend en paramètre une image, un fichier de configuration et un fichier weights.
L'idée consiste à détenir un fichier weights avec toutes les classes et un fichier weights pour chaque classe.
Le fichier weights d'une classe contient les classes liées dans le graphe.
Dans le schéma suivant, nous avons 4 classes et donc 5 fichiers weights. Chaque fichiers weights ont une composition de classes différentes.
- Comment fonctionne YOLO ? Quel sont les sorties ?
- Vérifier la faisabilité de l'idée de "multiples modèles" ?