Intelligence Artificielle

Intelligence artificielle, traitement d’image avec Python

Objectifs de la formation

  • Approfondir ses connaissances en langage Python
  • Réaliser une analyse de données en Machine Learning en Python
  • Découvrir des bibliothèques Python de traitement d’image
  • Transformer une image
  • Extraire des informations d’une image


Programme de la formation

Le traitement de l’image

  • La bibliothèque Pillow pour transformer les images.
  • Présentation de bibliothèques d’analyse d’image.
  • Manipulations simple d’image avec NumPy.
  • Présentation de Matplotlib pour l’affichage rapide.

Travaux pratiques

Utilisation de Pip ou Conda, transformations simples et manuelles d’images avec Numpy.

Traitement plus avancé des images

  • Filtrage, analyse et recherche d’information avec Scikit-image.
  • Présentation et transformations avec OpenCV.
  • OpenCV : détection de contours et de motifs.

Travaux pratiques

Mise en place des bibliothèques, manipulation et analyse d’images avec Scikit-image et OpenCV.

Apprentissage automatisé

  • Mise en place de Scikit-learn.
  • Exemple de données utilisables et classification des processus d’apprentissage automatisé.
  • Choix et utilisation d’un estimateur.
  • Amélioration de l’apprentissage supervisé et transformateurs.

Travaux pratiques

Multiples apprentissages supervisés sur des ensembles de données avec Scikit-learn.

Cas additionnels d’apprentissage automatisé

  • Décomposition – analyse en composantes principales et analyse discriminante linéaire.
  • Apprentissage non supervisé : multiples approches.
  • Divers algorithmes de classification.

Travaux pratiques

Utilisation d’algorithmes d’apprentissage additionnels de Scikit-learn.

Apprentissage pour les images

  • Classification d’image avec Scikit-learn, retour sur les algorithmes disponibles.
  • Présentation et installation de scikit-image.
  • Bibliothèque d’adaptation de l’apprentissage automatisé aux images numériques
  • Entrées et sorties de Scikit-image.
  • Analyse des images avec Scikit-image : segmentation, détection, mesures.
  • Transformations simples d’image avec Scikit-learn : convolutions et autres filtres.
  • Comparaison et assemblage d’images avec Scikit-image.
  • Amélioration d’image avec Scikit-image.

Travaux pratiques

Classification d’images, détection de visage, reconstitutions et améliorations avec scikit-learn et scikit-image.

Please login to get access to the quiz
Machine learning, l’état de l’art (Prev Lesson)
(Next Lesson) MLOps, déploiement de Machine Learning en production
Back to Intelligence Artificielle
Public

Pratique du langage Python et connaissances de NumPy et SciPy.

Pré-requis

Développeurs Python désirant s'approprier les principaux dispositifs d'apprentissage automatisé et de traitement d'image.