Vous êtes sur la page 1sur 1

"Aujourd'hui, je vais vous présenter notre projet de classification d'images, qui

concerne la détection de personnes portant un masque et celles ne portant pas de


masque."

"J'ai constitué un jeu de données comprenant 20 photos, dont 10 avec des personnes
portant un masque et 10 sans masque."
"Les photos sont réparties comme suit : pour celles sans masque, on a 4 sans
lunettes ni accessoires, 2 avec lunettes et 4 avec accessoires sur la tête. Pour
celles avec masque, on a 5 avec lunettes, 3 avec accessoires sur la tête et 2 sans
lunettes ni accessoires."
Prétraitement

"J'ai effectué un prétraitement des images en les normalisant et en extrayant des


attributs pertinents pour la classification."
Visualisation des données

"J'ai utilisé l'Analyse en Composantes Principales (ACP) pour visualiser les


données et réduire leur dimensionnalité."
Classificateurs favoris

"J'ai choisi d'utiliser l'apprentissage profond pour la classification des images."


Résultats

Observations

"J'ai constaté que la qualité des images et la diversité des accessoires ont un
impact sur la performance du modèle."
Interprétations

"L'approche choisie montre une certaine efficacité dans la classification des


images, mais il est important de prendre en compte les biais potentiels."
Discussion

"Parmi les biais potentiels des données, on peut citer la répartition des
accessoires, l'éclairage et les angles de prise de vue."
"Ce projet pourrait avoir des applications réelles, comme la sécurité, le marketing
ciblé ou l'optimisation de l'expérience utilisateur."
"Les principales difficultés rencontrées concernent la qualité des images et la
diversité des accessoires, certaines ayant été surmontées grâce au prétraitement et
à l'ajustement des paramètres du modèle."
Conclusion

"Malgré les défis, le modèle de classification a montré de bonnes performances."


"Les applications potentielles sont nombreuses, et des améliorations pourraient
être apportées en étendant le projet à d'autres types d'accessoires et en
optimisant sa robustesse face aux biais."

Vous aimerez peut-être aussi