Traitement des données

YOLO (Partie 1) Introduction à YOLO avec Darknet 7

 dans Deep Learning / Détection d'objets avec YOLO (Série) / Image / Reconnaissance de forme

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.

VGG et Transfer Learning 3

 dans Deep Learning / Image

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).

Fake news ?

 dans Cas d'utilisation / Deep Learning / NLP / Texte

Je vous propose dans cet article de créer un réseau de neurones à convolution pour faire du NLP, et pour les données j’utiliserai un jeu de données que vous pouvez trouver simplement dans les datasets Kaggle : FrenchFakeNewsDetector. Vous l’avez compris l’objectif est double: d’une part voir comment on pourra utiliser la technique de convolution avec des vecteurs (1 dimension au lieu d’images à 2+ dimensions) et d’autre part de faire du NLP avec des données en Français.

Traitement d’images (partie 6: Filtres & Convolution) 7

 dans Image / Traitement d'image (Série)

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.