Ce que vous devez savoir avant
de commencer

Débute 27 June 2025 15:00

Se termine 27 June 2025

00 Jours
00 Heures
00 Minutes
00 Secondes
course image

Classez et segmentez des données visuelles

Classez et segmentez des données visuelles Bienvenue dans le cours de vision par ordinateur ! Dans ce cours, vous allez apprendre à classifier des images à l'aide des algorithmes issus du Machine Learning, en particulier de l'apprentissage supervisé (approche plutôt traditionnelle) et du Deep Learning (approche très moderne). La première partie vo.
via OpenClassrooms

5 Cours


Non spécifié

Mise à niveau optionnelle disponible

Tous les niveaux

Progressez à votre rythme

Free

Mise à niveau optionnelle disponible

Aperçu

Bienvenue dans le cours de vision par ordinateur ! Dans ce cours, vous allez apprendre à classifier des images à l'aide des algorithmes issus du Machine Learning, en particulier de l'apprentissage supervisé (approche plutôt traditionnelle) et du Deep Learning (approche très moderne).

La première partie vous permettra d'acquérir les bases en traitement d'images, en particulier les opérations de lissage avec les filtres.

Dans une deuxième partie, vous découvrirez la notion fondamentale de features en vision, et étudierez les méthodes classiques de détection et de description de features. Vous pourrez alors développer votre premier algorithme de classification d'images, en entraînant un algorithme d'apprentissage supervisé sur les features extraites.

Enfin, la troisième partie est dédiée aux fameux réseaux de neurones convolutifs (CNN), qui constituent aujourd'hui les algorithmes les plus performants pour classer des images.

Prérequis :

Ce cours fait partie du parcours Data Scientist. Il se situe au croisement des mathématiques et de l'informatique.

Pour en profiter pleinement, n'hésitez pas à vous rafraîchir la mémoire, avant ou pendant le cours, sur :

  • Python pour le calcul numérique (numpy) et la création de graphiques (pyplot), que nous utiliserons dans les parties TP du cours
  • Quelques notions d'algèbre linéaire :

    manipulation de vecteurs, multiplications de matrices, normes, et valeurs/vecteurs propres

  • Quelques notions de probabilités et statistiques, telles que distribution de loi de probabilité et variance
  • Les méthodes supervisées linéaires
  • Les méthodes supervisées non-linéaires, en particulier les réseaux de neurones


Enseigné par

Pascal Monasse and Kimia Nadjahi


Sujets