Traitement d’images (partie 7: Les Réseaux de neurones à convolution – CNN) 17 Mise à jour récente !
Dans cet article nous allons voir pas à pas comment créer et utiliser un réseau de neurone convolutif (CNN) pour classifier des images.
Dans cet article nous allons voir pas à pas comment créer et utiliser un réseau de neurone convolutif (CNN) pour classifier des images.
Nous allons aborder dans cet article une famille de filtre très utilisée par tous les logiciels de retouches (comme Photoshop ou Gimp). En fait et pour aller plus loin (sans non plus pour autant « sploiler » les articles suivants) ce principe de convolution va aussi être très utilisés par les réseaux de neurones (Deep Learning) … mais nous verrons cela plus tard. Focalisons nous tout d’abord sur le principe de filtre et plus précisément de convolution.
Nous allons voir dans cet article les principes d’érosion et de dilatation d’images qui sont très utilisés notamment lors de la restauration d’images de mauvaise qualité.
Nous allons voir dans cet article comment effectuer quelques transformations de bases sur des images avec scikit-image telles que la rotation, et changement d’échelle et de taille d’image.
Dans cet article (qui 3ème épisode de la série sur le traitement d’images) nous allons voir comment utiliser les histogrammes d’images que nous avons abordé dans l’article 2 pour effectuer quelques retouches de base.
Dans cet article nous allons voir comment analyser le contenu colorimétrique d’une image en affichant les histogrammes d’images avec Python, OpenCV et Scikit-Image
Dans cet article nous allons voir et surtout comprendre comment sont stockées les images sur ordinateur afin de mieux les manipuler par la suite. Ce post est le premier d’une série qui nous permettra d’aborder par la suite la place de l’Intelligence artificielle et tout particulièrement du Deep Learning dans cette discipline qui fait partie d’un ensemble que l’on nomme la vision par ordinateur.