Découvrir le fonctionnement des applications de la vision par ordinateur

En explorant l’histoire des modèles de vision par ordinateur, nous avons vu comment la vision par ordinateur a évolué et quel parcours a mené aux modèles de vision avancés dont nous disposons aujourd’hui. Les modèles modernes comme Ultralytics YOLOv8 et ses successeurs, dont le tout dernier Ultralytics YOLO26, prennent en charge plusieurs tâches de vision par ordinateur et sont utilisés dans des applications passionnantes et variées.

Dans cet article, nous allons aborder les notions de base de la vision par ordinateur et des modèles de vision. Nous verrons leur fonctionnement et leurs nombreuses applications dans divers secteurs. Les innovations en vision par ordinateur sont partout et fonctionnent souvent discrètement en arrière-plan.

Qu’est-ce que la vision par ordinateur ?#

L’intelligence artificielle (IA) est un terme générique qui englobe de nombreuses technologies visant à reproduire certaines capacités de l’intelligence humaine. La vision par ordinateur est l’un des sous-domaines de l’IA. Elle consiste à donner aux machines des yeux qui leur permettent de voir, d’observer et de comprendre leur environnement.

À l’instar de la vision humaine, les solutions de vision par ordinateur visent à distinguer les objets, à calculer les distances et à détecter les mouvements. Mais contrairement aux humains, qui s’appuient sur toute une vie d’expériences pour voir et comprendre, les ordinateurs dépendent de vastes quantités de données, de caméras haute définition et d’algorithmes complexes.

Fig. 1 Comparaison entre la vision humaine et la vision par ordinateur.

Les systèmes de vision par ordinateur peuvent traiter et analyser des données visuelles comme des images et des vidéos avec rapidité et précision. Cette capacité à analyser rapidement et avec précision de vastes quantités d’informations visuelles fait de la vision par ordinateur un outil puissant dans divers secteurs, de la fabrication à la santé.

Les modèles de vision prennent en charge diverses tâches de vision par ordinateur#

Les modèles de vision par ordinateur sont au cœur de toutes les applications de vision par ordinateur. Ce sont essentiellement des algorithmes informatiques reposant sur des techniques d’apprentissage profond et conçus pour permettre aux machines d’interpréter et de comprendre les informations visuelles. Les modèles de vision permettent d’effectuer des tâches essentielles de vision par ordinateur, de la classification d’images à la détection d’objets. Examinons de plus près certaines de ces tâches et leurs cas d’usage.

Classification d’images#

La classification d’images consiste à catégoriser et à étiqueter des images selon des classes ou catégories prédéfinies. Un modèle de vision comme YOLOv8 peut être entraîné sur de grands jeux de données d’images annotées. Pendant l’entraînement, le modèle apprend à reconnaître les motifs et les caractéristiques associés à chaque classe. Une fois entraîné, il peut prédire la catégorie d’images nouvelles et inconnues en analysant leurs caractéristiques et en les comparant aux motifs appris.

Fig. 2. Exemple de classification d’images. (source : towardsdatascience.com)

Il existe différents types de classification d’images. Par exemple, pour traiter des images médicales, tu peux utiliser la classification binaire pour répartir les images en deux groupes, comme « sain » ou « malade ». Un autre type est la classification multiclasse. Elle permet de répartir les images dans plusieurs groupes, par exemple de classer différents animaux d’une ferme, comme les porcs, les chèvres et les vaches. Ou, si tu veux classer les animaux en groupes et sous-groupes, par exemple les mammifères et les oiseaux, puis les répartir en espèces comme les lions, les tigres, les aigles et les moineaux, la classification hiérarchique est la meilleure option.

Détection d’objets#

La détection d’objets consiste à identifier et à localiser des objets dans des images et des trames vidéo à l’aide de la vision par ordinateur. Elle comprend deux tâches : la localisation d’objets, qui dessine des boîtes englobantes autour des objets, et la classification d’objets, qui identifie la catégorie de chaque objet. À partir d’annotations de boîtes englobantes, un modèle de vision peut apprendre à reconnaître les motifs et les caractéristiques propres à chaque catégorie d’objet, puis prédire la présence et l’emplacement de ces objets dans de nouvelles images qu’il n’a jamais vues.

Fig. 3. Détection d’objets avec YOLOv8 utilisée pour repérer des joueurs sur un terrain de football.

La détection d’objets a de nombreux cas d’usage dans différents secteurs, du sport à la biologie marine. Par exemple, dans le commerce de détail, la technologie Just Walk Out d’Amazon utilise la détection d’objets pour automatiser le passage en caisse en identifiant les articles pris par les clients. En combinant la vision par ordinateur et les données des capteurs, les clients peuvent prendre leurs articles et partir sans faire la queue.

Voici comment cela fonctionne plus précisément :

• Des caméras installées au plafond filment les clients qui se déplacent dans le magasin, et ces images sont traitées en temps réel par des modèles de vision.
• La détection d’objets sert à repérer le produit exact qu’un client prend et met dans son panier, afin de mettre à jour son panier virtuel en conséquence.
• Des capteurs de poids installés sur les rayons améliorent la précision en détectant le retrait ou la remise en place des articles.
• Lorsque le client quitte le magasin, la détection d’objets et la technologie de reconnaissance faciale peuvent confirmer son départ. Ses informations de paiement, comme une carte bancaire, peuvent alors être utilisées pour le débiter automatiquement.

Segmentation sémantique et par instance#

La segmentation sémantique et la segmentation d’instances sont des tâches de vision par ordinateur qui permettent de diviser les images en segments pertinents. La segmentation sémantique classe les pixels selon leur signification et considère tous les objets d’une catégorie comme une seule entité portant la même étiquette. Elle convient à l’annotation d’objets indénombrables comme « le ciel » ou « l’océan », ou de groupes comme « les feuilles » ou « l’herbe ».

La segmentation par instance, quant à elle, distingue différentes instances d’une même classe en attribuant une étiquette unique à chaque objet détecté. Tu peux utiliser la segmentation par instance pour segmenter des objets dénombrables, lorsque leur nombre et leur individualité sont importants. Elle permet une identification et une différenciation plus précises.

Fig. 4. Exemple de segmentation sémantique et par instance.

Un exemple lié aux voitures autonomes permet de mieux comprendre la différence entre segmentation sémantique et segmentation d’instances. La segmentation sémantique est idéale pour les tâches qui nécessitent de comprendre le contenu d’une scène. Elle peut servir dans les véhicules autonomes à classifier les éléments de la route, comme les passages piétons et les panneaux de signalisation. La segmentation d’instances peut, quant à elle, aider les véhicules autonomes à distinguer chaque piéton, véhicule et obstacle.

Estimation de pose#

L’estimation de pose est une tâche de vision par ordinateur qui consiste à détecter et à suivre les points clés de la pose d’un objet dans des images ou des vidéos. Elle est le plus souvent utilisée pour estimer la pose humaine, en repérant des points clés comme les épaules et les genoux. Estimer la pose d’une personne nous aide à comprendre et à reconnaître les actions et les mouvements essentiels à diverses applications.

Fig. 5. Exemple d’estimation de pose avec YOLOv8.

L’estimation de pose peut servir dans le sport à analyser les mouvements des athlètes. La NBA l’utilise pour étudier les mouvements et les positions des joueurs pendant les matchs. En suivant des points clés comme les épaules, les coudes, les genoux et les chevilles, l’estimation de pose fournit des informations détaillées sur les mouvements des joueurs. Ces informations aident les entraîneurs à élaborer de meilleures stratégies, à optimiser les programmes d’entraînement et à ajuster leurs tactiques en temps réel pendant les matchs. Les données peuvent aussi aider à surveiller la fatigue des joueurs et les risques de blessure afin d’améliorer leur santé et leurs performances globales.

Détection d’objets avec des boîtes englobantes orientées#

La détection d’objets avec des boîtes englobantes orientées (OBB) utilise des rectangles pivotés pour identifier et localiser précisément les objets dans une image. Contrairement aux boîtes englobantes standard, alignées sur les axes de l’image, les OBB pivotent pour s’adapter à l’orientation de l’objet. Elles sont donc particulièrement utiles pour les objets qui ne sont pas parfaitement horizontaux ou verticaux. Elles permettent de repérer et d’isoler avec précision les objets pivotés afin d’éviter les chevauchements dans les environnements encombrés.

Fig. 6. Exemple de détection de boîtes englobantes orientées sur une image aérienne de bateaux avec YOLOv8.

Dans le domaine de la surveillance maritime, l’identification et le suivi des navires sont essentiels à la sécurité et à la gestion des ressources. La détection OBB permet de localiser les navires avec précision, même lorsqu’ils sont très rapprochés ou orientés selon différents angles. Elle aide à surveiller les voies maritimes, à gérer le trafic maritime et à optimiser les opérations portuaires. Elle peut aussi faciliter les interventions en cas de catastrophe en repérant et en évaluant rapidement les dégâts causés aux navires et aux infrastructures après des événements comme des ouragans ou des marées noires.

Suivi d’objets#

Jusqu’ici, nous avons parlé de tâches de vision par ordinateur portant sur des images. Le suivi d’objets est une tâche de vision par ordinateur qui consiste à suivre un objet à travers les images d’une vidéo. Il commence par identifier l’objet dans la première image à l’aide d’algorithmes de détection, puis suit continuellement sa position au fil de la vidéo. Le suivi d’objets fait appel à des techniques comme la détection d’objets, l’extraction de caractéristiques et la prédiction du mouvement pour assurer la précision du suivi.

Fig. 7. Suivi de poissons avec YOLOv8.

Les modèles de vision comme YOLOv8 peuvent être utilisés pour suivre des poissons en biologie marine. À l’aide de caméras sous-marines, les chercheurs peuvent observer les déplacements et les comportements des poissons dans leur habitat naturel. Le processus commence par la détection de chaque poisson dans les premières images, puis suit sa position tout au long de la vidéo. Le suivi des poissons aide les scientifiques à comprendre les schémas migratoires, les comportements sociaux et les interactions avec l’environnement. Il soutient également les pratiques de pêche durable en fournissant des informations sur la répartition et l’abondance des poissons.

Pour conclure sur la vision par ordinateur#

La vision par ordinateur transforme activement notre utilisation des technologies et nos interactions avec le monde. En utilisant des modèles d’apprentissage profond et des algorithmes complexes pour comprendre les images et les vidéos, elle aide les secteurs d’activité à rationaliser de nombreux processus. Des tâches de vision par ordinateur comme la détection et le suivi d’objets permettent de créer des solutions jusque-là impossibles. À mesure que la vision par ordinateur progresse, de nombreuses autres applications innovantes verront le jour !

Apprenons et progressons ensemble ! Explore notre dépôt GitHub pour découvrir nos contributions à l’IA. Découvre comment nous redéfinissons des secteurs comme les voitures autonomes et l’agriculture grâce à l’IA.