Vision
Des pixels au CNN : contours, convolutions, augmentation, classification
Dans ce chapitre, vous apprendrez à
- Manipuler une image comme un tableau de pixels
- Comprendre la convolution et construire un CNN
- Augmenter ses données sans tricher sur l'évaluation
Outils : PyTorch, torchvision
16 exercices
Chaque exercice est corrigé automatiquement, dans le navigateur. Les énoncés complets sont accessibles avec un compte.
À quoi ça sert dans la vraie vie
Pour un ordinateur, une photo n'est qu'un tableau de nombres : lui apprendre à y voir quelque chose est l'un des grands succès de l'IA. - Votre téléphone. Filtres, mode portrait, déverrouillage par le visage…
Négatif photo
L'utilisateur de votre app veut un filtre "négatif", comme les anciens négatifs de pellicule photo : les zones claires deviennent sombres et les zones sombres deviennent claires. Écrivez une fonction
negative(image)…Adieu les couleurs
Votre filtre "négatif" fonctionne sur les images en gris. Mais un utilisateur uploade une photo en couleur (un tableau 3D numpy de forme hauteur × largeur × 3, avec les canaux Rouge, Vert, Bleu). Le filtre ne marche…
Détecteur de contours
L'utilisateur de votre app veut détecter les contours dans une image. Un contour, c'est un endroit où la luminosité change brusquement entre pixels voisins : le bord d'un objet, une ligne, une frontière entre deux…
Scanner de motifs
Vous venez de rejoindre l'équipe d'imagerie d'un observatoire. On vous confie un cliché en niveaux de gris, immense, et une question simple en apparence : la ligne de côte que cherchent les géologues, cette transition…
Œil à plusieurs filtres
Votre scanner fonctionne, mais une vignette ne reconnaît qu'une seule chose. Les géologues reviennent : ils ne veulent plus seulement les lignes de côte, mais aussi les fractures verticales du relief, les diagonales des…
Déguisement
Vos couches de convolution donnent l'impression d'un objet à part, très différent des couches denses
W·x + bque vous connaissez. On vous lance un défi : prouver qu'il n'en est rien. Reprenons une convolution : un…Trop profond pour apprendre
Un réseau peu profond apprend sans peine la tâche qu'on vous confie. Vous voulez faire mieux : vous empilez 40 couches pour obtenir un réseau bien plus puissant. Surprise : il apprend beaucoup moins bien, il…
Voir plus large sans grossir
Vous poursuivez votre travail à l'observatoire d'imagerie. Vos scanners repèrent bien les transitions nettes, celles qui tiennent sur trois pixels. Mais les géologues reviennent avec une structure d'un tout autre genre…
Cadrage parfait
Vous construisez un robot photographe pour un studio de portraits. Le robot reçoit des photos de tailles variées (50x80, 200x150, etc.) et doit les envoyer à une IA de reconnaissance faciale qui n'accepte que des images…
Harmonisation
Le studio de portraits utilise trois caméras différentes. Problème : chaque caméra produit des images avec des luminosités et contrastes très différents. La caméra A produit des images sombres (pixels entre 10 et 50)…
Multiplicateur d'images
Le studio n'a que 100 photos de portraits pour entraîner son IA, mais il en faudrait au moins 500. Acheter de nouvelles photos coûte trop cher. Le problème : avec si peu de données, l'IA apprend par coeur les 100…
Cours : l'augmentation de données, au train jamais au test
Fabriquer des variantes aléatoires des images d'entraînement s'appelle l'augmentation de données (data augmentation). En pratique, on ne stocke pas les 500 images : les transformations sont tirées à la volée, à…
Cours : un CNN en PyTorch
Votre scanner de motifs faisait glisser un filtre sur l'image avec deux boucles
for, et c'est vous qui choisissiez le filtre. Un réseau convolutif (CNN) fait le même calcul, mais il apprend ses filtres, comme…Trieur de photos
Vous travaillez dans un bureau de poste. Des milliers de lettres arrivent chaque jour et il faut lire le code postal manuscrit pour les trier. Chaque chiffre est une vraie image de chiffre manuscrit (jeu MNIST), en…
Caisse de la kermesse
Samedi, le lycée tenait sa kermesse. Sur les stands, on ne payait pas en euros mais en jetons de plastique, achetés à l'entrée. Le soir, chaque stand a posé son plateau de jetons sur une table et l'a photographié d'en…