Etapes du code :
Etape 1 :
Créer le dossier : Projet à tensorflow_object_detectionàdossier [ nom du nouveau en vironnement] se crée à l’aide de la commande :
python -m venv [nom de l’envoronnement :myprojet]
Activer ensuite l’envirronnement :
>.\ [nom de l’envoronnement \Scripts\activate # Windows
Ensuite installer les dependaces et ajouter l’environnement à Python Kernel :
python -m pip install --upgrade pip
pip install ipykernel
python -m ipykernel install --user --name=tfodj
- Déposer le fichier du script dans le dossier tensorflow_object_detection
- Sur CMD en administrateur faut taper :> jupyter notebook
- Choisir le nom de domaine d’environnement virtuelle et faut être sûr que vous êtes dans le bon domaine.
Etape 2 :
- Exécuter le code
- Une fenêtre du programme labellmg va apparaitre ouvrir le dossier dataimages et commencer le cadrage des images
- Construire deux dossier Train(qui va contenir les images et leurs annotations et qui sert à entrainer le modèle choisi) et Test va contenir des images pour évaluer le modèle choisis.
- Déposer ces deux dossiers dans …/workspae /images .
Pour vérifier l’installation du programme de Tensorflow object_detection il faut obtenir le message suivant
Il faut absolument cliquer sur Restart dans la case « cell » car la comande import object_detection pose une erreur
Entrainement du modèle et évaluation :
Choisir un modèle sur : https://github.com/tensorflow/models/blob/master/research/object\_detection/g3doc/tf2\_detection\_zoo.md
Pour évaluer les métriques : on peut aller sur tensorboard en exécutant la commande suivante :
On peux visualiser mAP ( :mean average precision) et Recall sur tensorboard
Anonymisation :**
Afin d’anonymiser le visage on peut procéder avec deux méthode différentes, la première consiste à superposer un masque défini par les 4 points issus de la prédiction du modèle (xmin,xmax,ymin,ymax). La deuxième méthode c’est d’appliquer un random sur toute les pixels contenus dans le box de prédiction.