bilnab/p8

deep learning : segmentation d'images

P8 : Projet deep learning de segmentation d'images

Enjeu

Dans le cadre de la concéption d'une voiture autonome, les sytèmes embarqués de vision s'articulent autour de 4 piliers

• l'acquisition d'image temps réél
• le traitement d'images
• la segmentation des images que nous allons traité dans ce projet
• le système de décision

Ce projet a donc pour but d'entrainer et de déployer un modèle de segmentation d'images:

• sur 8 catgéories principales
• en utilisant keras et azure ML
• via une API Flask

Ressources:

images segmentées et annotées de caméras embarquées
lien 1
lien 2
lien 3

Data generation et data augmentation:
Exemple de données cityscape et data generator
Principes data generator
Tuto data generator
Data generator avec data augmentation
Lib d’augmentation d’images: albumentations
Lib d’augmentation d’images: imgaug
Segmentation d’images: Principes segmentation d’images
Exemples
Fonction loss pour la segmentation d’image
VRAC et AZURE:
Principes DNN et CNN
Gestion donnéees azure
Entrainement à distance azure
Authentification azure à partir de flask
Serialization d’images avec json
Azure webapp
Creation et deployment azure webapp
Mode de deployment de webapp
Creation de webapp sur le portail
Deploiement automatise de webapp via github
Creation et deployment de webapp en ligne de commande
Cours flask

Script

un notebook mettant en oeuvre la segmentation via SVC et random forest (pas terrible)
un notebook mettant en oeuvre la segmentation deep learning

Présentation PDF:

pdf complet

Etat de l'art

doc word