La vision par ordinateur est un domaine de l'IA dans lequel des ordinateurs analysent des images et des vidéos. Les tâches typiques consistent à détecter et localiser des objets, lire du texte dans des images ou mesurer des pièces. Cette technologie sert par exemple au contrôle qualité en production, aux systèmes d'aide à la conduite, à la logistique ou à l'imagerie médicale.
Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.
Lancer la démoLa reconnaissance d'images est un domaine de la vision par ordinateur dans lequel un logiciel identifie ce que montre une image : objets, personnes, texte, logos ou scènes. Elle repose généralement sur des réseaux de neurones entraînés sur de nombreuses images annotées. Les applications vont du contrôle qualité en production au tri de photos de produits, jusqu'à l'aide à l'imagerie médicale. Pour les images de personnes, la protection des données et les biais possibles exigent une attention particulière.
Un réseau de neurones convolutif (CNN, Convolutional Neural Network) est une architecture de réseau de neurones particulièrement adaptée aux images. Il parcourt l'entrée avec de petits filtres : les premières couches repèrent des caractéristiques simples comme les contours, les couches plus profondes des formes plus complexes. Les CNN ont marqué la reconnaissance d'images pendant des années et servent par exemple à détecter des défauts sur des photos de produits ou à analyser des images médicales.
OpenCV (Open Source Computer Vision Library) est une bibliothèque logicielle open source de traitement d’images et de vision par ordinateur, dont le développement a commencé chez Intel vers 2000. Elle propose des milliers de fonctions, par exemple pour filtrer des images, détecter des contours et des visages, suivre des objets dans des vidéos ou étalonner des caméras. Écrite en C++, elle est très souvent utilisée via Python, notamment en contrôle qualité, en robotique et en recherche.
La segmentation sémantique attribue une classe à chaque pixel d'une image, par exemple route, véhicule, personne ou ciel. On obtient une sorte de carte colorée du contenu de l'image. Contrairement à la segmentation d'instances, les objets de même type ne sont pas distingués : trois voitures sont regroupées sous « voiture ». Elle est utilisée par exemple pour la conduite autonome, en imagerie médicale pour délimiter des tissus ou pour l'analyse d'images aériennes et satellitaires.
