La segmentation d'instances est une technique de vision par ordinateur qui détecte chaque objet d'une image et le délimite au pixel près. Contrairement à la segmentation sémantique, elle distingue aussi les objets d'une même classe : trois personnes obtiennent trois masques distincts au lieu d'une seule zone. On l'utilise par exemple en contrôle qualité, en imagerie médicale, en robotique ou pour compter des produits en rayon.
Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.
Lancer la démoLa 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.
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.
La 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.
L'estimation de pose est une technique de vision par ordinateur qui détermine la posture des personnes, ou la position et l'orientation d'objets, dans des images ou des vidéos. Un modèle repère généralement des points clés comme les épaules, les coudes et les genoux, puis les relie en un squelette. On l'utilise par exemple dans les applications de fitness qui vérifient les exercices, l'analyse ergonomique des postes de travail, l'analyse sportive ou la robotique.
