Système de détection automatique des nids-de-poule sur l'asphalte à partir d'images
Ce projet a été réalisé comme travail de fin de master en Data Science & Big Data à l’U-TAD.
Pour le développement du projet, les tâches suivantes ont été effectuées :
- Étude de l’état de l’art en matière de détection d’objets
- Développement d’une implémentation de YOLO V3 et YOLO V3 Lite en Python
- Recherche et préparation d’un ensemble d’images
- Entraînement de plusieurs modèles YOLO avec différentes configurations et réalisation d’une étude comparative des résultats obtenus
- Conversion du modèle entraîné pour son exploitation sur un dispositif mobile
- Développement d’une application Android permettant l’exploitation du modèle
Le projet se compose des dépôts suivants :
| Dépôt | Description |
|---|---|
| tfm | Contient une implémentation en Python de YOLO V3 et YOLO V3 Lite |
| tfm-android | Contient une application mobile Android permettant l’exploitation du modèle entraîné grâce à TensorFlow Lite |
| tfm-doc | Contient la mémoire du TFM [ES] |
Références :
- Les images utilisées pour entraîner les modèles proviennent de Kaggle
- L’application mobile est basée sur un exemple TensorFlow Lite
- L’implémentation de YOLO V3 est un fork de ce dépôt et celle de YOLO V3 Lite est basée sur ce dépôt. Les deux implémentations ont été unifiées en une seule, davantage d’options de configuration ont été ajoutées et davantage de formats d’annotations d’images sont désormais supportés.
