Découvrir le fonctionnement des applications de la vision par ordinateur

Lorsque nous avons exploré l’histoire des modèles de vision par ordinateur, nous avons vu comment la vision par ordinateur a évolué et le chemin qui a mené aux modèles de vision avancés dont nous disposons aujourd’hui. Les modèles modernes comme Ultralytics YOLOv8 prennent en charge plusieurs tâches de vision par ordinateur et sont utilisés dans diverses applications passionnantes.

Dans cet article, nous allons examiner les principes fondamentaux de la vision par ordinateur et des modèles de vision. Nous verrons comment ils fonctionnent et quelles sont leurs diverses applications dans différents secteurs. Les innovations en vision par ordinateur sont partout et façonnent silencieusement notre monde. Découvrons-les une par une !

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

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

Tout comme la vision humaine, les solutions de vision par ordinateur cherchent à distinguer les objets, à calculer les distances et à détecter les mouvements. Cependant, contrairement aux humains, qui disposent de toute une vie d’expériences pour les aider à voir et à comprendre, les ordinateurs s’appuient sur d’immenses volumes de données, des caméras haute définition et des 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 telles que des images et des vidéos à une vitesse et avec une précision incroyables. La capacité à analyser rapidement et précisément de grandes quantités d’informations visuelles fait de la vision par ordinateur un outil puissant dans divers secteurs, de la fabrication aux soins de santé.

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

Les modèles de vision par ordinateur sont au cœur de toute application de vision par ordinateur. Il s’agit essentiellement d’algorithmes informatiques alimentés par des techniques d’apprentissage profond, conçus pour donner aux machines la capacité 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 certaines de ces tâches et leurs cas d’utilisation plus en détail.

Classification d’images#

La classification d’images consiste à catégoriser et à étiqueter les images selon des classes ou catégories prédéfinies. Un modèle de vision comme YOLOv8 peut être entraîné sur de grands jeux de données d’images étiquetées. 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 de nouvelles images qu’il n’a jamais vues 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 une classification binaire pour répartir les images en deux groupes, comme sain ou malade. Un autre type est la classification multiclasses. Elle peut aider à répartir les images en plusieurs groupes, par exemple pour classifier différents animaux dans une ferme, comme des cochons, des chèvres et des vaches. Supposons que tu veuilles classer les animaux en groupes et sous-groupes, par exemple les mammifères et les oiseaux, puis en espèces telles que les lions, les tigres, les aigles et les moineaux : la classification hiérarchique serait alors la meilleure option.

Détection d’objets#

La détection d’objets est le processus qui consiste à identifier et à localiser des objets dans des images et des images vidéo à l’aide de la vision par ordinateur. Elle comprend deux tâches : la localisation des objets, qui dessine des boîtes englobantes autour des objets, et la classification des objets, qui identifie la catégorie de chaque objet. À partir des annotations des boîtes englobantes, un modèle de vision peut apprendre à reconnaître les motifs et les caractéristiques propres à chaque catégorie d’objet et à 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 détecter des joueurs sur un terrain de football.

La détection d’objets a de nombreux cas d’utilisation 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 que les clients prennent. La combinaison de la vision par ordinateur et des données des capteurs permet aux clients de prendre leurs articles et de partir sans faire la queue.

Voici comment cela fonctionne plus précisément :

• Des caméras installées au plafond capturent les déplacements des clients dans le magasin, puis ces séquences vidéo sont traitées en temps réel par des modèles de vision.
• La détection d’objets sert à détecter précisément le produit qu’un client prend et place 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 sort du magasin, la détection d’objets et la technologie de reconnaissance faciale peuvent être utilisées pour confirmer qu’il est parti ; ses informations de paiement, comme une carte bancaire, peuvent alors servir à le débiter automatiquement.

Segmentation sémantique et segmentation d’instances#

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

La segmentation d’instances, en revanche, permet de distinguer différentes instances d’une même classe en attribuant une étiquette unique à chaque objet détecté. Tu peux utiliser la segmentation d’instances pour segmenter des objets dénombrables lorsque le nombre et l’indépendance des objets sont importants. Elle permet une identification et une différenciation plus précises.

Fig. 4. Exemple de segmentation sémantique et de segmentation d’instances.

Nous pouvons mieux comprendre la différence entre la segmentation sémantique et la segmentation d’instances avec un exemple lié aux voitures autonomes. La segmentation sémantique est idéale pour les tâches qui nécessitent de comprendre le contenu d’une scène et peut être utilisée dans les véhicules autonomes pour classifier les éléments de la route, comme les passages pour piétons et les panneaux de signalisation. La segmentation d’instances, quant à elle, peut être utilisée dans les véhicules autonomes pour distinguer les piétons, les véhicules et les obstacles individuels.

Estimation de pose#

L’estimation de pose est une tâche de vision par ordinateur axée sur la détection et le suivi des points clés de la pose d’un objet dans des images ou des vidéos. Elle est le plus souvent utilisée pour l’estimation de la pose humaine, avec des points clés situés notamment au niveau des épaules et des genoux. L’estimation de la pose humaine 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 être utilisée dans le sport pour analyser les mouvements des athlètes. La NBA utilise l’estimation de pose 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 effectuer des ajustements en temps réel pendant les matchs. Les données peuvent également aider à surveiller la fatigue des joueurs et le risque de blessure afin d’améliorer leur santé et leurs performances globales.

Détection d’objets par boîtes englobantes orientées#

La détection d’objets par boîtes englobantes orientées (OBB) utilise des rectangles pivotés pour identifier et localiser précisément les objets dans une image. Contrairement aux boîtes englobantes standard, qui sont alignées sur les axes de l’image, les OBB pivotent pour correspondre 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 précisément 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 la surveillance maritime, l’identification et le suivi des navires sont essentiels à la sécurité et à la gestion des ressources. La détection par OBB peut être utilisée pour localiser précisément les navires, même lorsqu’ils sont très rapprochés ou orientés selon différents angles. Elle aide à surveiller les voies de navigation, à gérer le trafic maritime et à optimiser les opérations portuaires. Elle peut également contribuer aux interventions d’urgence en identifiant et en évaluant rapidement les dommages causés aux navires et aux infrastructures après des événements tels que des ouragans ou des marées noires.

Suivi d’objets#

Jusqu’à présent, nous avons abordé des tâches de vision par ordinateur qui traitent des images. Le suivi d’objets est une tâche de vision par ordinateur qui permet de suivre un objet tout au long des images d’une vidéo. Elle commence par identifier l’objet dans la première image à l’aide d’algorithmes de détection, puis suit continuellement sa position à mesure qu’il se déplace dans la vidéo. Le suivi d’objets fait appel à des techniques telles que la détection d’objets, l’extraction de caractéristiques et la prédiction des mouvements pour maintenir 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 surveiller les déplacements et les comportements des poissons dans leur habitat naturel. Le processus commence par la détection des poissons individuels dans les premières images, puis suit leur 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 favorise également des pratiques de pêche durables en fournissant des informations sur la répartition et l’abondance des poissons.

Un dernier regard sur la vision par ordinateur#

La vision par ordinateur transforme activement notre utilisation de la technologie 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. Les tâches de vision par ordinateur comme la détection d’objets et le suivi d’objets permettent de créer des solutions qui n’avaient encore jamais été imaginées. À mesure que la technologie de vision par ordinateur progresse, l’avenir nous réserve de nombreuses applications innovantes !

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. 🚀