Vision par ordinateur

TLDR : La vision par ordinateur permet aux machines de comprendre les informations visuelles issues d’images et de vidéos. Elle utilise le deep learning pour détecter des objets, segmenter des scènes et interpréter le monde physique.

La vision par ordinateur (CV) est un domaine de l’intelligence artificielle. Elle permet aux machines d’extraire du sens à partir d’images, de vidéos et d’autres entrées visuelles. Les systèmes CV imitent la vision humaine. Ils classifient ce qu’ils voient, localisent des objets et comprennent les relations spatiales. La CV moderne repose largement sur le deep learning — notamment les réseaux de neurones convolutifs (CNN).

Tâches principales en vision par ordinateur

1. Classification d’images : Attribue une étiquette à une image entière (par ex. ‘chat’ ou ‘chien’).
2. Détection d’objets : Localise et étiquette plusieurs objets dans une image à l’aide de boîtes englobantes.
3. Segmentation sémantique : Étiquette chaque pixel d’une image par catégorie.
4. Segmentation d’instances : Distingue les instances individuelles d’une même classe d’objets.
5. Estimation de pose : Détecte la position et l’orientation d’un corps humain ou d’un objet.
6. Estimation de profondeur : Infère la structure 3D à partir d’images 2D ou de nuages de points LiDAR.
7. Reconnaissance optique de caractères (OCR) : Extrait du texte à partir d’images.

Comment fonctionne la vision par ordinateur

Un pipeline CV commence généralement par des données d’images brutes. Le prétraitement normalise la taille, la couleur et le format. Un réseau de neurones extrait des caractéristiques couche par couche. Les premières couches détectent les contours et les textures. Les couches plus profondes reconnaissent des formes et des objets complexes. Le modèle est entraîné sur de vastes jeux de données étiquetés. Les étiquettes proviennent d’annotateurs humains — c’est la vérité terrain.

Applications de la vision par ordinateur

1. Véhicules autonomes : La CV détecte les voies, les piétons et les panneaux de signalisation en temps réel.
2. Imagerie médicale : Les modèles détectent tumeurs et anomalies dans les radiographies et IRM.
3. Inspection industrielle : Les caméras identifient automatiquement les défauts sur les lignes de production.
4. Commerce de détail : La recherche visuelle et la surveillance des rayons utilisent la CV pour suivre les stocks.
5. Robotique : Les robots utilisent la CV pour percevoir leur environnement et interagir avec lui.
6. Sécurité : Les systèmes de surveillance détectent les intrusions et reconnaissent les visages.

Données d’entraînement pour la vision par ordinateur

Les modèles CV nécessitent d’immenses jeux de données d’images étiquetées. Des données plus diversifiées produisent des modèles plus robustes. Collecter et annoter des images à grande échelle est coûteux et lent. Les données synthétiques peuvent combler les lacunes là où les images réelles sont rares. La marketplace de jeux de données de Bright Data propose des jeux de données d’images prêts à l’emploi pour l’entraînement CV.