Apprentissage profond avec Aphelion Dev
Classification d’images
Cet exemple permet d’utiliser un classifieur entraîné avec des images afin d’estimer la classe d’une nouvelle image parmi les classes apprises. Une classe peut être considérée comme une catégorie.
Le réseau de neurones utilisé pour ce classifieur est basé sur ResNetV1-101 avec 1000 classes et a été entraîné sur ImageNet, une grande base contenant des millions d’images avec beaucoup de diversité d’objets et d’animaux.
- Dézipper l’exemple
- Dans Aphelion Dev, sélectionner la tâche Développeur
- Ouvrir une image du répertoire Sample Images/Classification
- Sélectionner la fonction DeepLearning.Process
- Choisir l’image d’entrée ouverte précédemment
- Sélectionner le fichier xml du classifieur à utiliser en parcourant le répertoire Networks/Classification
- Appliquer la fonction et attendre le résultat (la première image peut être longue à traiter en raison d’une allocation préalable de ressources du processeur graphique)
- Regarder dans la gallerie d’ObjectSets et cliquer avec le bouton droit pour montrer la grille
- Le score informe de la confiance en la classe retournée. Ici, l’image est de classe zèbre avec une certitude de 99,13%
Détection de visages dans des images
Cet exemple permet d’appliquer un réseau de détection entraîné avec des images pour détecter des visages sous forme de boîtes d’encombrement sur une nouvelle image.
Le réseau de détection utilisé est basé sur l’architecture R-FCN et a été entraîné sur la base d’images WIDER FACE.
- Dézipper l’exemple
- Dans Aphelion Dev, sélectionner la tâche Développeur
- Ouvrir une image du répertoire Sample Images/Detection
- Sélectionner la fonction DeepLearning.Process
- Choisir l’image d’entrée ouverte précédemment
- Sélectionner le fichier xml du classifieur à utiliser en parcourant le répertoire Networks/Detection
- Appliquer la fonction et attendre le résultat (la première image peut être longue à traiter en raison d’une allocation préalable de ressources du processeur graphique)
- Consulter la gallerie d’ObjectSets, double cliquer sur l’ObjectSet pour afficher les boîtes de détection sur l’image et cliquer avec le bouton droit pour afficher la grille
- Cliquer dans l’image sur une boîte de détection la sélectionne dans la grille et cliquer sur une ligne de la grille sélectionne la détection dans l’image
- Le score donne un pourcentage de confiance en la classe estimée par le réseau pour chaque boîte de détection. Ici, le visage sélectionné a été reconnu comme un visage avec une certitude de 98,32%
