En utilisant ce site, vous acceptez la Politique de confidentialité et les Conditions Générales de Vente.
Accepter
Le Blog de BBND – Actualités et nouvelles tendances du webLe Blog de BBND – Actualités et nouvelles tendances du web
  • News
  • Catégories
    • Actualités Numériques
    • Blockchain
    • Business Intelligence
    • Cybersécurité
    • Data
    • Développement Web
    • Hardware
    • Intelligence Artificielle
    • Mobile
    • Technologie
    • Web Design
    • Web Marketing
  • BBND
  • Qui sommes-nous
  • Initiatives
  • Réalisations
  • Formations
  • Recrutement
  • Contact
En cours de lecture : Découvrez YOLO, le framework pour la détection d’objets en temps réel !
Partager
Notification Voir mes signets
Dernières actualités
Illustration représentant Rclone, un outil de synchronisation cloud en ligne de commande, avec une icône de cloud et flèches de transfert
Rclone : Guide complet pour synchroniser, sauvegarder et monter vos fichiers cloud
Technologie
Schéma comparatif entre IPMI, PiKVM et NanoKVM pour le contrôle à distance
IPMI, PiKVM ou NanoKVM : Quelle solution KVM choisir ?
Hardware
Des packages npm malveillants compromettent Cursor, volent des identifiants et cryptomonnaies, et déploient des chevaux de Troie. Détail des campagnes.
Une faille dans Cursor : plus de 3 200 développeurs infectés via des packages npm malveillants
Cybersécurité
Filament v3 laravel
Pourquoi Filament V3 change-t-il la donne pour les développeurs Laravel ?
Développement Web
Illustration d’un cerveau connecté à une intelligence artificielle, symbolisant la recherche contre Alzheimer
L’IA dévoile une cause possible d’Alzheimer et identifie une piste thérapeutique prometteuse
Intelligence Artificielle
Aa
Le Blog de BBND – Actualités et nouvelles tendances du webLe Blog de BBND – Actualités et nouvelles tendances du web
Aa
Recherche
  • News
  • Catégories
    • Actualités Numériques
    • Blockchain
    • Business Intelligence
    • Cybersécurité
    • Data
    • Développement Web
    • Hardware
    • Intelligence Artificielle
    • Mobile
    • Technologie
    • Web Design
    • Web Marketing
  • BBND
    • Qui sommes-nous
    • Initiatives
    • Réalisations
    • Formations
    • Recrutement
    • Contact
Suivez-nous
  • Personnaliser mes sujets d’intérêts
  • Mes signets
© 2023 BBND All Rights Reserved.
Le Blog de BBND – Actualités et nouvelles tendances du web > Tous les articles > Intelligence Artificielle > Découvrez YOLO, le framework pour la détection d’objets en temps réel !
Intelligence ArtificielleTechnologie

Découvrez YOLO, le framework pour la détection d’objets en temps réel !

Hamza L.
De Hamza L. 23 août 2023
Partager
4 min de lecture
Logo Yolo d'ultralytics sur fond dégradé
Partager

Dans le domaine de la vision par ordinateur, la détection d’objets en temps réel revêt une grande importance pour notamment la surveillance vidéo, la conduite autonome et la réalité augmentée. Le framework YOLO (You Only Look Once) pour Python est devenu l’un des outils les plus populaires, efficace et précis pour de nombreuses raisons.

Qu’est-ce que YOLO ?

YOLO est un framework de détection d’objets en temps réel développé par Joseph Redmon et son équipe. Contrairement aux approches classiques qui effectuent des classifications d’objets à l’aide de cadres glissants (sliding windows) ou de régions d’intérêt (regions of interest), YOLO formule la détection d’objets comme un problème de régression sur une grille d’ancres (anchors grid).

Comment fonctionne YOLO ?

Entraîné sur l’ensemble de données Microsoft COCO, Le fonctionnement de YOLO, peut être divisé en trois étapes principales.

Découpage de l’image en grille

YOLO divise l’image d’entrée en une grille régulière. Chaque cellule de la grille prédit un certain nombre de boîtes englobantes (bounding boxes) et les classes d’objets correspondantes.

Prédiction des boîtes englobantes et des classes

Pour chaque cellule de la grille, YOLO prédit des coordonnées de boîtes englobantes (bounding boxes) et associe des probabilités aux classes d’objets possibles.

Filtrage des détections

En utilisant des seuils de confiance (confidence threshold) et des techniques de suppression non maximale (non-maximum suppression), YOLO filtre les détections redondantes et ne conserve que les détections les plus fiables.

Voici quelques exemples de code YOLO

Configuration et initialisation :

   import cv2
   import numpy as np

   net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
   layer_names = net.getLayerNames()
   output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
   colors = np.random.uniform(0, 255, size=(len(classes), 3))

Chargement de l’image et détection :

   img = cv2.imread("image.jpg")
   height, width, channels = img.shape

   blob = cv2.dnn.blobFromImage(img, 0.00392, (416, 416), (0, 0, 0), True, crop=False)

   net.setInput(blob)
   outs = net.forward(output_layers)

   class_ids = []
   confidences = []
   boxes = []
   for out in outs:
       for detection in out:
           scores = detection[5:]
           class_id = np.argmax(scores)
           confidence = scores[class_id]
           if confidence > 0.5:
               # Coordonnées de la boîte englobante
               center_x = int(detection[0] * width)
               center_y = int(detection[1] * height)
               w = int(detection[2] * width)
               h = int(detection[3] * height)

               # Coordonnées de l'angle supérieur gauche
               x = int(center_x - w / 2)
               y = int(center_y - h / 2)

               boxes.append([x, y, w, h])
               confidences.append(float(confidence))
               class_ids.append(class_id)

Affichage des résultats :

   indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4)

   font = cv2.FONT_HERSHEY_PLAIN
   for i in range(len(boxes)):
       if i in indexes:
           x, y, w, h = boxes[i]
           label = classes[class_ids[i]]
           color = colors[class_ids[i]]
           cv2.rectangle(img, (x, y), (x + w, y + h), color, 2)
           cv2.putText(img, label, (x, y + 30), font, 3, color, 3)

   cv2.imshow("YOLO Object Detection", img)
   cv2.waitKey(0)
   cv2.destroyAllWindows()

YOLO (You Only Look Once) est un framework de détection d’objets en temps réel qui a révolutionné la manière dont nous abordons ce problème. Sa méthode unique basée sur la régression sur une grille d’ancres a produit des résultats précis et rapides. Àvotre tour d’explorer les possibilités infinies de YOLO dans le domaine du monde numérique !

Vous devriez également aimer

Rclone : Guide complet pour synchroniser, sauvegarder et monter vos fichiers cloud

L’IA dévoile une cause possible d’Alzheimer et identifie une piste thérapeutique prometteuse

L’IA révolutionne la détection de la tuberculose dans les zones défavorisées

IA détecte le cancer de l’endomètre avec 99,26% de précision

TxAgent : L’IA révolutionne la découverte de médicaments

Partager cet article
Facebook Twitter LinkedIn Copier le lien Imprimer
Qu´en avez-vous pensé ?
Ennuyant0
Triste0
Révoltant0
Drôle0
Accablant1
Plaisant1
Malin0
Surprenant0
Waouh0
Article précédent Logo noir et blanc contenant un piment et le slogan en anglais "web development, one drop at a time" Guide détaillé sur le framework Flask : simplifiez vos projets web avec Python
Article suivant Logo de Remix pour Etherum Déployez un Smart Contract à l’aide de l’outil Remix
Laisser un avis

Laisser un avis Annuler la réponse

Vous devez vous connecter pour publier un commentaire.

Restez connecté

Facebook Like
Twitter Suivre
Instagram Suivre
Youtube S´inscrire
banner banner
Faites confiance à BBND
Développez tous vos projets digitaux grâce à une équipe d'experts
En savoir plus

Dernières actualités

Illustration représentant Rclone, un outil de synchronisation cloud en ligne de commande, avec une icône de cloud et flèches de transfert
Rclone : Guide complet pour synchroniser, sauvegarder et monter vos fichiers cloud
Technologie
Schéma comparatif entre IPMI, PiKVM et NanoKVM pour le contrôle à distance
IPMI, PiKVM ou NanoKVM : Quelle solution KVM choisir ?
Hardware
Des packages npm malveillants compromettent Cursor, volent des identifiants et cryptomonnaies, et déploient des chevaux de Troie. Détail des campagnes.
Une faille dans Cursor : plus de 3 200 développeurs infectés via des packages npm malveillants
Cybersécurité
Filament v3 laravel
Pourquoi Filament V3 change-t-il la donne pour les développeurs Laravel ?
Développement Web
//

Le blog BBND
Actualités et nouvelles tendances du numérique

Catégories news

  • Actualités Numériques
  • Blockchain
  • Business Intelligence
  • Cybersécurité
  • Data
  • Développement Web
  • Intelligence Artificielle
  • Hardware
  • Mobile
  • Technologie
  • Web Design
  • Web Marketing

Notre société

  • Qui sommes-nous
  • Initiatives
  • Réalisations
  • Formations
  • Recrutement
  • Contact

Liens utiles

  • Mentions légales
  • CGV
  • Politique de confidentialité

Nos services

  • Développement web/mobile/desktop
  • SEO
  • Stratégie de communication & Community management
  • Audit d’ergonomie
  • Solutions de cybersécurité
  • Outils de cybersécurité
  • E-droit & E-réputation
  • Innovation de service & Innovation technologique
  • Intelligence Artificielle & Business Intellligence
  • Design graphique
  • Jeux mobile
  • Motion design
  • Impression tout support
Le Blog de BBND – Actualités et nouvelles tendances du webLe Blog de BBND – Actualités et nouvelles tendances du web
Suivez-nous

© 2023 BBND. All Rights Reserved.

Un projet digital ?

Notre équipe d'experts couvre de larges domaines du numérique

Contactez-nous pour nous en faire part !

Supprimé de la liste de lecture

Annuler
Welcome Back!

Sign in to your account

Mot de passe perdu ?