Vision par Ordinateur

• YOLO (Partie 6) Créer son modèle avec YOLO : Préparer le modèle - 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.
• YOLO (Partie 5) Créer son modèle avec YOLO : Préparation des données - 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 !
• YOLO (Partie 4) Réduire le scope de détection - Dans cet article nous allons voir une astuce qui permet de réduire le scope de détection des objets en utilisant YOLO v4.
• YOLO (Partie 3) Non Maxima Suppression (NMS) - Nous allons voir dans cet article comment supprimer ces cadres détectés en double avec YOLO avec la technique dite de NMS.
• YOLO (Partie 2) Utilisez YOLO avec OpenCV - Dans cet article nous allons voir pas à pas comment utiliser le réseau de neurones YOLO avec son implémentation dans OpenCV. Suivez le guide 😉
• YOLO (Partie 1) Introduction à YOLO avec Darknet - 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.
• Traitement d’images (partie 7: Les Réseaux de neurones à convolution – CNN) - Dans cet article nous allons voir pas à pas comment créer et utiliser un réseau de neurone convolutif (CNN) pour classifier des images.
• Reconnaissance faciale dans une vidéo avec OpenCV - Dans cet article, je vais vous montrer comment mettre en oeuvre de la reconnaissance faciale avec OpenCV sur votre webcam.
• Analyse d'une carte d'identité - Dans cet article nous allons voir comment nous allons pouvoir récupérer des informations (photo, et autres informations) à partir d'une carte d'identité scannée. Dans cet article nous utiliserons les librairies OpenCV et tesseract avec Python.
• Détection faciale avec OpenCV - Découvrez dans cet article comment utiliser OpenCV pour faire très simplement de la détection de visage.

OCR

• Analyse d'une carte d'identité - Dans cet article nous allons voir comment nous allons pouvoir récupérer des informations (photo, et autres informations) à partir d'une carte d'identité scannée. Dans cet article nous utiliserons les librairies OpenCV et tesseract avec Python.
• Utilisation avancée de Tesseract avec Python - Découvrez dans cet article comment utiliser tesseract dans des cas relativement complexes avec Python et OpenCV.
• Un service REST qui traite des factures scannées en Python - Je vous propose dans ce post de créer un web service (RESTFul) en Python qui récupérera une image (JPEG) pour ll'analyser et la traiter afin d'en renvoyer les éléments constitutifs.
• Débuter avec Tesseract - Intéressé par les OCR ? découvrez comment utiliser Tesseract (OCR Open Source) en ligne de commande mais aussi via Python.
• MNSIT : Reconnaître les chiffres (Partie 2) - Dans ce second volet sur les données MNSIT, nous allons voir comment retoucher et préparer les données pour atteindre 97%.
• MNSIT : Reconnaître les chiffres (Partie 1) - Lançons-nous dans la reconnaissance de chiffres avec le jeu de données bien connu MNSIT !

Reconnaissance de forme

• YOLO (Partie 6) Créer son modèle avec YOLO : Préparer le modèle - 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.
• YOLO (Partie 5) Créer son modèle avec YOLO : Préparation des données - 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 !
• YOLO (Partie 4) Réduire le scope de détection - Dans cet article nous allons voir une astuce qui permet de réduire le scope de détection des objets en utilisant YOLO v4.
• YOLO (Partie 3) Non Maxima Suppression (NMS) - Nous allons voir dans cet article comment supprimer ces cadres détectés en double avec YOLO avec la technique dite de NMS.
• YOLO (Partie 2) Utilisez YOLO avec OpenCV - Dans cet article nous allons voir pas à pas comment utiliser le réseau de neurones YOLO avec son implémentation dans OpenCV. Suivez le guide 😉
• YOLO (Partie 1) Introduction à YOLO avec Darknet - 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.
• Traitement d’images (partie 7: Les Réseaux de neurones à convolution – CNN) - Dans cet article nous allons voir pas à pas comment créer et utiliser un réseau de neurone convolutif (CNN) pour classifier des images.
• Reconnaissance faciale dans une vidéo avec OpenCV - Dans cet article, je vais vous montrer comment mettre en oeuvre de la reconnaissance faciale avec OpenCV sur votre webcam.
• Analyse d'une carte d'identité - Dans cet article nous allons voir comment nous allons pouvoir récupérer des informations (photo, et autres informations) à partir d'une carte d'identité scannée. Dans cet article nous utiliserons les librairies OpenCV et tesseract avec Python.
• Détection faciale avec OpenCV - Découvrez dans cet article comment utiliser OpenCV pour faire très simplement de la détection de visage.

Images

• YOLO (Partie 7) Créer son modèle avec YOLO : Entraînement & résultat - 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.
• YOLO (Partie 6) Créer son modèle avec YOLO : Préparer le modèle - 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.
• YOLO (Partie 5) Créer son modèle avec YOLO : Préparation des données - 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 !
• YOLO (Partie 4) Réduire le scope de détection - Dans cet article nous allons voir une astuce qui permet de réduire le scope de détection des objets en utilisant YOLO v4.
• YOLO (Partie 3) Non Maxima Suppression (NMS) - Nous allons voir dans cet article comment supprimer ces cadres détectés en double avec YOLO avec la technique dite de NMS.
• YOLO (Partie 2) Utilisez YOLO avec OpenCV - Dans cet article nous allons voir pas à pas comment utiliser le réseau de neurones YOLO avec son implémentation dans OpenCV. Suivez le guide 😉
• YOLO (Partie 1) Introduction à YOLO avec Darknet - 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 - 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).
• Traitement d’images (partie 7: Les Réseaux de neurones à convolution – CNN) - Dans cet article nous allons voir pas à pas comment créer et utiliser un réseau de neurone convolutif (CNN) pour classifier des images.
• Traitement d’images (partie 6: Filtres & Convolution) - 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.

Vidéos

• Reconnaissance faciale dans une vidéo avec OpenCV - Dans cet article, je vais vous montrer comment mettre en oeuvre de la reconnaissance faciale avec OpenCV sur votre webcam.