Dans cet article nous allons voir comment configurer YOLO 4 (darknet) afin qu’il soit en mesure d’apprendre de nouvelles images à détecter, et ainsi construire notre propre modèle personnalisé.
Dans cet article nous allons voir comment configurer YOLO 4 (darknet) afin qu’il soit en mesure d’apprendre de nouvelles images à détecter, et ainsi construire notre propre modèle personnalisé.
Dans cet article nous allons commencer le travail de préparation autour de la création d’un modèle personnalisé avec YOLO. Première étape labelliser nos images !
Dans cet article nous allons voir une astuce qui permet de réduire le scope de détection des objets en utilisant YOLO v4.
Nous allons voir dans cet article comment supprimer ces cadres détectés en double avec YOLO avec la technique dite de NMS.
Dans cet article nous allons voir pas à pas comment utiliser le réseau de neurones YOLO avec son implémentation dans OpenCV. Suivez le guide 😉
Nous allons voir dans cet article, comment avec le réseau de neurones YOLO nous pourrons très simplement détecter plusieurs objets dans une photo. L’objectif n’est pas d’entrer dans le détail de l’implémentation de ce réseau de neurones (beaucoup plus complexe qu’un simple CNN séquentiel) mais plutôt de montrer comment utiliser l’implémentation qui a été réalisée en C++ et qui se nomme Darknet.
Dans cet article nous allons aborder le concept de Transfer Learning … ou comment éviter de refaire un apprentissage long et consommateur en réutilisant partiellement un réseau de neurones pré-entrainé. Pour ce faire nous utiliserons un réseau qui fait référence en la matière : VGG-Net (vgg16).
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.