Rapport d'avancement

Projet de détection de codes à barres

Introduction

Le but de ce projet est de développer un système de détection de codes à barres à l'aide

de techniques de deep learning. Dans cet état d'avancement, je vais résumer les
avancements que j'ai réalisés jusqu'à présent.

Les points achevés

1. Recherche de base de données de codes à barres

2. Recherche de modèle de détection d'objets en temps réel
3. Recherche de répertoire sur GitHub
4. Prochaine étape

Avancements

1. Recherche de base de données de codes à barres

J'ai effectué une recherche pour trouver une base de données de codes à barres
convenable pour mon projet. J'ai trouvé une base de données annotée sur Kaggle qui
contient des images de codes à barres :
https://www.kaggle.com/datasets/whoosis/barcode-detection-annotated-dataset

2. Recherche de modèle de détection d'objets en temps réel

J'ai recherché un modèle de détection d'objets en temps réel pour mon projet. J'ai opté
pour l'algorithme YOLO (You Only Look Once) qui est une méthode d'identification et de
reconnaissance d'objets en temps réel dans les photographies.

1
 3. Recherche de répertoire sur GitHub

J'ai recherché un répertoire sur GitHub qui contient le modèle YOLO pré-entraîné sur
une base de données de 80 modèles. J'ai trouvé un répertoire utile qui contient des
exemples de code pour YOLO avec OpenCV :
https://github.com/yash42828/YOLO-object-detection-with-OpenCV

4. Étape suivante :

Ma prochaine étape sera d'exécuter le modèle YOLO sur la base de données de codes à
barres que j'ai trouvée sur Kaggle. J'espère pouvoir détecter avec succès les codes à
barres dans les images à l'aide de cette technique de deep learning.

Conclusion

J'ai effectué des recherches approfondies pour trouver une base de données de codes à
barres, un modèle de détection d'objets en temps réel et un exemple de code pour le
modèle YOLO avec OpenCV. Je suis prêt à passer à l'étape suivante de mon projet de
détection de codes à barres.