Ultralytics Platform : cinq outils, une seule plateforme de vision par ordinateur

Aujourd’hui, nous avons lancé Ultralytics Platform, la plateforme de vision par ordinateur de bout en bout conçue pour simplifier la création et le déploiement de systèmes d’IA visuelle. Alors que la vision par ordinateur, un domaine de l’intelligence artificielle qui permet aux machines d’interpréter des images et des vidéos, alimente déjà de nombreux systèmes que nous utilisons aujourd’hui, la création de ces solutions a toujours été complexe.

Pour de nombreux ingénieurs en IA et développeurs en machine learning, créer une application de vision par ordinateur implique encore de passer d’un outil à l’autre tout au long du processus de développement. Une équipe peut gérer les jeux de données et l’annotation sur une plateforme, lancer l’entraînement des modèles sur une autre et s’appuyer sur des services supplémentaires pour tester les prédictions, suivre les expériences et déployer les systèmes en production.

À mesure que les projets prennent de l’ampleur, le fait de changer d’outil peut ralentir le développement et accroître la charge opérationnelle. Au lieu de se concentrer sur l’amélioration des modèles et la création de nouvelles applications de vision par ordinateur, les équipes consacrent souvent du temps à gérer les workflows, déplacer les données entre les outils et configurer l’infrastructure.

Ultralytics Platform a été créée pour rationaliser et accélérer ce processus. En réunissant l’annotation, l’entraînement, la validation, le déploiement et la supervision dans un même environnement, elle remplace plusieurs outils de la pile d’IA visuelle par une plateforme unique de vision par ordinateur, aidant ainsi les équipes à créer et déployer plus efficacement des systèmes d’IA visuelle évolutifs.

Fig. 1. Aperçu de la préparation d’un jeu de données avec Ultralytics Platform (Source)

Dans cet article, nous allons découvrir comment Ultralytics Platform remplace plusieurs outils par une plateforme unifiée de vision par ordinateur. Commençons !

Le problème des outils multiples dans le développement de solutions de vision par ordinateur#

La création d’une solution de vision par ordinateur comporte plusieurs étapes, de la préparation des jeux de données au déploiement des systèmes en production. Dans de nombreux cas, les équipes utilisent différents outils pour chaque partie de ce workflow, notamment :

• Outils de gestion des jeux de données : les équipes utilisent ces outils pour stocker et organiser les images et les vidéos qui serviront ensuite de données d’entraînement pour les systèmes de vision par ordinateur.
• Outils d’annotation : ces plateformes permettent aux développeurs et aux équipes chargées des données d’étiqueter les objets, les segments ou les points clés présents dans les images afin que les systèmes puissent apprendre des motifs à partir des données visuelles.
• Outils et frameworks d’entraînement des modèles : les développeurs s’appuient sur ces outils pour entraîner des systèmes de vision par ordinateur à l’aide de jeux de données annotés et de modèles de deep learning, en travaillant souvent dans des frameworks de machine learning basés sur Python tels que PyTorch et TensorFlow.
• Outils de test et d’inférence : avant le déploiement, les équipes exécutent les modèles sur de nouvelles images ou vidéos afin de vérifier les prédictions et d’évaluer les performances du système.
• Outils de déploiement et de supervision : une fois qu’une solution d’IA visuelle est prête à être mise en production, une infrastructure supplémentaire est utilisée pour exécuter l’application et suivre ses performances au fil du temps.

La gestion séparée de ces outils peut rendre les workflows de développement plus difficiles à coordonner. Les équipes finissent par consacrer du temps à déplacer les données entre les plateformes, maintenir les intégrations et configurer l’infrastructure au lieu de se concentrer sur l’amélioration des applications de vision par ordinateur.

Qu’est-ce qu’une plateforme d’IA visuelle de bout en bout ?#

Avant d’examiner les principales fonctionnalités d’Ultralytics Platform et ce qu’elle peut faire, voyons ce que nous entendons par plateforme de vision par ordinateur de bout en bout.

En termes simples, Ultralytics Platform offre aux développeurs un espace unique pour créer et exécuter des applications de vision par ordinateur. Au lieu de dépendre de services distincts pour les différentes étapes du processus de développement, les particuliers et les équipes peuvent travailler avec des données visuelles, entraîner des modèles et des algorithmes, tester les résultats et exécuter des applications dans le même environnement.

Fig. 2. Test d’un modèle sur Ultralytics Platform (Source)

Cette approche permet aux développeurs d’expérimenter, d’améliorer leurs systèmes et de faire avancer leurs projets plus facilement, sans devoir constamment passer d’un outil à l’autre.

Comment Ultralytics Platform simplifie le workflow d’IA visuelle#

Ultralytics Platform s’est construite au fil de plusieurs années de collaboration étroite avec la communauté de la vision par ordinateur. Nos échanges avec les développeurs et les équipes qui créent des systèmes d’IA visuelle faisaient régulièrement ressortir quelques difficultés communes.

Par exemple, l’annotation des données constituait une préoccupation majeure, car elle peut prendre beaucoup de temps lorsqu’il faut étiqueter de grands jeux de données. Un autre défi apparaissait lorsque les équipes tentaient de passer leurs systèmes en production : le déploiement d’applications dans différents environnements et sur diverses configurations matérielles nécessite souvent des outils supplémentaires.

De nombreuses équipes doivent également jongler entre plusieurs outils, car les outils d’annotation, les environnements d’entraînement et les systèmes de déploiement sont fréquemment répartis sur plusieurs plateformes. Ultralytics Platform résout toutes ces complications grâce à un ensemble de fonctionnalités intégrées.

Présentation des principales fonctionnalités d’Ultralytics Platform#

Examinons donc quelques-unes des principales fonctions d’Ultralytics Platform, qui contribuent à rationaliser ces difficultés et l’ensemble du workflow d’IA visuelle :

• Annotation intelligente des données : les outils d’annotation intégrés aident les équipes à étiqueter plus rapidement leurs jeux de données grâce à des fonctionnalités telles que l’annotation intelligente optimisée par le Segment Anything Model (SAM) et des raccourcis clavier qui fluidifient les workflows d’annotation.
• Entraînement intégré des modèles : les développeurs peuvent entraîner des modèles pré-entraînés directement sur la plateforme, tout en suivant les expériences et en surveillant les performances grâce à des tableaux de bord interactifs.
• Test d’inférence dans le navigateur : les équipes peuvent tester rapidement les prédictions dans le navigateur afin d’évaluer les performances d’un système avant de le déployer en production.
• Options de déploiement flexibles : les modèles peuvent être exportés dans 17 formats différents ou déployés via des services d’inférence partagés et des endpoints dédiés dans 43 régions du monde.
• Supervision intégrée : la plateforme fournit des tableaux de bord qui aident les équipes à suivre au même endroit les résultats des expériences, les performances des systèmes et l’état des déploiements.

Des données brutes au déploiement avec Ultralytics Platform#

À mesure que tu en apprends davantage sur Ultralytics Platform, tu peux te demander à quoi ressemble concrètement son utilisation. Pour te donner une meilleure idée, parcourons un exemple simple.

Imagine créer un système d’inspection visuelle pour une ligne de production. L’objectif est d’identifier automatiquement les produits endommagés ou défectueux au cours de leur passage en production.

Le processus commence généralement par la collecte de données visuelles. Avec la nouvelle plateforme de vision par ordinateur d’Ultralytics, tu peux importer des images ou des vidéos de produits provenant de la ligne de production et les organiser en jeux de données qui serviront à entraîner un modèle de détection des défauts.

Vient ensuite l’annotation des données. Grâce aux outils d’annotation manuelle ou optimisée par l’IA intégrés à la plateforme, tu peux étiqueter directement les défauts dans les images pour 5 tâches de détection. L’innovation derrière des fonctionnalités telles que l’annotation intelligente, optimisée par SAM, et les modèles de squelettes de pose intégrés, qui permettent de placer les points clés en un seul clic, rationalise un workflow qui prendrait autrement des heures.

Une fois le jeu de données prêt, tu peux passer à l’entraînement du modèle. La plateforme te permet d’entraîner des modèles de vision par ordinateur, comme les modèles Ultralytics YOLO, à partir des données étiquetées. Pendant l’entraînement, tu peux surveiller les métriques de performance, suivre les expériences et optimiser les modèles au fil du temps afin d’améliorer les performances du système depuis un tableau de bord unique.

Après l’entraînement, l’étape suivante consiste à tester et à valider le modèle. Tu peux exécuter des prédictions sur de nouvelles images directement dans la plateforme afin de vérifier la capacité du système à détecter les défauts et d’identifier les points nécessitant d’autres améliorations.

Enfin, lorsque le système fournit de bonnes performances, il peut être déployé en production. Ultralytics Platform permet d’exporter les modèles dans plusieurs formats ou de les déployer via des services d’inférence et des endpoints afin qu’ils puissent fonctionner dans des environnements réels.

Fig. 3. Exemple d’exportation de modèles avec Ultralytics Platform (Source)

En prenant en charge chaque étape de ce pipeline, Ultralytics Platform facilite le passage de données visuelles brutes à une application de vision par ordinateur fonctionnelle, capable de détecter automatiquement les défauts sur une ligne de production.

Cas d’usage d’IA visuelle que tu peux créer avec Ultralytics Platform#

Dans la plupart des applications où les données visuelles peuvent être converties en informations et utilisées pour automatiser des processus, la vision par ordinateur peut faire la différence. Cela vaut pour de nombreux secteurs, de la santé à l’industrie automobile, et Ultralytics Platform a été conçue pour prendre en charge cette polyvalence.

La plateforme prend nativement en charge des modèles de pointe comme Ultralytics YOLO26 ainsi qu’un éventail de tâches de vision par ordinateur, notamment la détection d’objets, la classification d’images, la segmentation d’instances, l’estimation de pose et la détection de boîtes englobantes orientées (OBB). Grâce à cette flexibilité, les développeurs peuvent créer des applications pour de nombreux scénarios où des images ou des vidéos doivent être analysées.

Par exemple, les équipes peuvent créer des systèmes de surveillance sous-marine en temps réel dans des environnements marins, compter les cellules dans le cadre de recherches médicales et biologiques, suivre la faune dans des écosystèmes isolés, rendre possibles des systèmes de perception pour les véhicules autonomes et guider des robots dans des environnements complexes. Et ce n’est qu’un aperçu de ce que la vision par ordinateur permet de faire.

Fig. 4. Annotation d’une image pour la détection de la faune sur Ultralytics Platform (Source)

Pourquoi Ultralytics Platform représente l’avenir de l’IA visuelle#

À mesure que la vision par ordinateur se généralise, il devient de plus en plus important de rendre le développement de l’IA visuelle plus accessible. De nombreux développeurs et organisations souhaitent expérimenter avec des données visuelles et créer des applications d’IA, mais les environnements de développement traditionnels peuvent rendre les débuts difficiles.

Ultralytics Platform contribue à réduire ces obstacles en fournissant un environnement dans lequel les développeurs peuvent rapidement commencer à utiliser la technologie de vision par ordinateur. Au lieu de consacrer du temps à configurer l’infrastructure ou à intégrer différents outils, les équipes peuvent se concentrer sur l’expérimentation et la création d’applications concrètes.

Cette accessibilité permet à un éventail plus large de développeurs, de chercheurs et d’organisations d’explorer l’IA visuelle. Ainsi, davantage d’équipes peuvent transformer des données visuelles en informations utiles et créer des applications qui résolvent des problèmes concrets.

À mesure que l’IA visuelle continue de se développer dans tous les secteurs, nous pensons qu’Ultralytics Platform rendra le développement plus accessible et jouera un rôle clé dans la définition de l’avenir de la vision par ordinateur.

Commencer avec Ultralytics Platform#

Commence dès aujourd’hui à créer des projets de vision par ordinateur avec Ultralytics Platform. Tu peux explorer la plateforme avec l’offre gratuite, qui comprend des crédits d’inscription pour l’entraînement dans le cloud ainsi qu’un accès aux outils essentiels de gestion des jeux de données, d’annotation des images, d’entraînement des modèles et de déploiement des applications.

À mesure que tes projets prennent de l’ampleur, tu peux augmenter ton utilisation avec des offres supplémentaires qui proposent davantage de ressources de calcul, de stockage, de fonctionnalités de collaboration et de capacité de déploiement. La plateforme utilise également un système tarifaire fondé sur des crédits pour des services tels que l’entraînement dans le cloud et les endpoints gérés, ce qui permet aux équipes de lancer des expériences et de déployer des applications tout en suivant leur utilisation en toute transparence.

Points clés à retenir#

Le traitement des images et la technologie de vision par ordinateur passent rapidement des expériences de recherche aux systèmes réels qui alimentent les technologies du quotidien. Ultralytics Platform contribue à accélérer cette transition en offrant aux développeurs un moyen plus simple de créer, tester et déployer des applications d’IA visuelle. En réduisant les obstacles entre les idées et le déploiement, la prochaine génération de solutions de vision par ordinateur peut être créée plus rapidement que jamais.

Rejoins notre communauté et explore le dépôt GitHub pour en savoir plus sur les modèles de vision par ordinateur. Découvre des applications telles que l’IA dans l’agriculture et la vision par ordinateur en robotique sur nos pages de solutions. Consulte nos options de licence et commence à créer ton propre modèle d’IA visuelle.