Dans cet article nous allons voir pas à pas comment créer et utiliser un réseau de neurone convolutif (CNN) pour classifier des images.
Traitement d’images (partie 7: Les Réseaux de neurones à convolution – CNN)
Auteur/autrice : Benoit Cayla
Ingénieur en informatique avec plus de 20 ans d’expérience dans la gestion et l’utilisation de données, Benoit CAYLA a mis son expertise au profit de projets très variés tels que l’intégration, la gouvernance, l’analyse, l’IA, la mise en place de MDM ou de solution PIM pour le compte de diverses entreprises spécialisées dans la donnée (dont IBM, Informatica et Tableau). Ces riches expériences l’ont naturellement conduit à intervenir dans des projets de plus grande envergure autour de la gestion et de la valorisation des données, et ce principalement dans des secteurs d’activités tels que l’industrie, la grande distribution, l’assurance et la finance. Également, passionné d’IA (Machine Learning, NLP et Deep Learning), l’auteur a rejoint Blue Prism en 2019 et travaille aujourd’hui en tant qu’expert data/IA et processus. Son sens pédagogique ainsi que son expertise l’ont aussi amené à animer un blog en français (datacorner.fr) ayant pour but de montrer comment comprendre, analyser et utiliser ses données le plus simplement possible.
L’automatisation est-elle l’héritière naturelle de l’informatique?
L’ automatisation trouve écho partout. Alors, simple buz ou réel mouvement de fond ? Personnellement, et au delà d’une énième révolution industrielle, j’aime positionner cette démarche simplement comme une manière naturelle de “ramener l’informatique” vers son objectif originel: nous simplifier la vie
L’automatisation est-elle l’héritière naturelle de l’informatique?
Traitement d’images (partie 6: Filtres & Convolution)
Nous allons aborder dans cet article une famille de filtre très utilisée par tous les logiciels de retouches (comme Photoshop ou Gimp). En fait et pour aller plus loin (sans non plus pour autant « sploiler » les articles suivants) ce principe de convolution va aussi être très utilisés par les réseaux de neurones (Deep Learning) … mais nous verrons cela plus tard. Focalisons nous tout d’abord sur le principe de filtre et plus précisément de convolution.
Traitement d’images (partie 6: Filtres & Convolution)
Traitement d’images (partie 5: Transformations morphologiques)
Nous allons voir dans cet article les principes d’érosion et de dilatation d’images qui sont très utilisés notamment lors de la restauration d’images de mauvaise qualité.
Traitement d’images (partie 5: Transformations morphologiques)