← Retour aux formations
Intelligence Artificielle & Data
IA Python pour le traitement d'image : transformer, analyser et classifier avec Pillow, OpenCV et Scikit
Intermédiaire
À propos de cette formation
Développeurs Python souhaitant s'approprier les principaux outils d'apprentissage automatique et de traitement d'image pour leurs projets de Deep Learning.
Objectifs de la formation
- Consolider sa maîtrise du langage Python dans un contexte IA
- Conduire une analyse de données par Machine Learning en Python
- Prendre en main les principales bibliothèques Python de traitement d'image
- Appliquer des transformations sur des images
- Extraire des informations à partir d'images
Programme détaillé
Module 1 — Traitement de base des images
- La bibliothèque Pillow pour transformer les images
- Présentation des bibliothèques d'analyse d'image
- Manipulations simples d'images avec NumPy
- Présentation de Matplotlib pour l'affichage rapide
- Travaux pratiques : utilisation de Pip ou Conda, transformations simples et manuelles d'images avec NumPy
Module 2 — Traitement avancé des images
- Filtrage, analyse et recherche d'informations 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
Module 3 — Apprentissage automatisé
- Mise en place de Scikit-learn
- Exemples de données utilisables et classification des processus d'apprentissage automatisé
- Choix et utilisation d'un estimateur
- Amélioration de l'apprentissage supervisé et transformateurs
- Décomposition : analyse en composantes principales (ACP) et analyse discriminante linéaire (ADL)
- Travaux pratiques : entraînements supervisés multiples sur des jeux de données avec Scikit-learn
Module 4 — Cas additionnels d'apprentissage automatisé
- Apprentissage non supervisé : plusieurs approches
- Divers algorithmes de classification
- Travaux pratiques : utilisation d'algorithmes d'apprentissage additionnels de Scikit-learn
Module 5 — Apprentissage automatisé appliqué aux images
- Classification d'images avec Scikit-learn ; panorama des algorithmes disponibles
- Présentation et installation de Scikit-image
- Adaptation de l'apprentissage automatisé aux images numériques
- Entrées et sorties de Scikit-image
- Analyse d'images avec Scikit-image : segmentation, détection et mesures
- Transformations d'images avec Scikit-learn : convolutions et autres filtres
- Comparaison et assemblage d'images avec Scikit-image
- Amélioration d'images avec Scikit-image
- Travaux pratiques : classification d'images, détection de visages, reconstitutions et améliorations avec Scikit-learn et Scikit-image
Prérequis
Pratique du langage Python et connaissances de NumPy et SciPy.