| En collaboration avec | Affiliation | Rôle |
|---|---|---|
Nicolas Elfering  | Étudiant M2 SIRIS | Binôme |
| Compétences | et | technologies |
|---|---|---|
| Python | TensorFlow |
| Résumé : |
|---|
| Dans le cadre de mon Master 2, nous avons développé une intelligence artificielle de catégorisation d’organelles à partir d’images à l’aide de TensorFlow. |
| Détail : |
|---|
Le rapport est disponible ici, le Jupyter notebook ici.
Le projet était une compétition Kaggle où il était question d’entraîner un réseau de neurones classifiant des images d’organelles. Le résultat obtenu est une IA qui catégorise correctement, dans 95% des cas, l’organelle.
L’IA a été entrainée à l’aide de méthodes comme le transfer learning et l’augmentation d’images.
Le transfer learning correspond à réutiliser un réseau de neurones pré-entraîné, dans notre cas nous avons choisi EfficientNet. L’augmentation d’images correspond à modifier une image de l’ensemble d’entraînement pour agrandir cet ensemble et rentre le réseau plus précis, un exemple de rotation et zoom se trouve ci dessous. A partir d’une image de base on peut en créer 4 autres qui alimenteront la base d’apprentissage.
Les résultats obtenus sont de 95% de précision. Dès la première des 5 passes, le réseau était déjà excellent :
