Annexes
Annexes
A. Glossaire Technique
| Terme | Définition |
|---|---|
| mAP (mean Average Precision) | Métrique moyenne des précisions moyennes par classe, standard COCO pour évaluer la détection d'objets |
| IoU (Intersection over Union) | Ratio entre intersection et union de 2 régions, mesure l'overlap entre prédiction et vérité terrain |
| NMS (Non-Maximum Suppression) | Algorithme post-traitement supprimant les détections redondantes (IoU > seuil) |
| FPN (Feature Pyramid Network) | Architecture multi-échelles fusionnant features haute/basse résolution |
| Mosaic Augmentation | Technique combinant 4 images en une seule mosaïque pour augmenter variabilité contexte |
| Transfer Learning | Réutilisation de poids pré-entraînés (COCO) pour accélérer convergence sur nouveau dataset |
B. Commandes Utiles
# Vérifier GPU
nvidia-smi
# Monitoring temps réel GPU
watch -n 1 nvidia-smi
# Taille du dataset
du -sh data/raw data/processed
# Nombre d'images par split
find data/processed/images/train -name "*.jpg" | wc -l
# Lancer notebook headless (sans navigateur)
jupyter notebook --no-browser --port=8888
# Convertir notebook en script Python
jupyter nbconvert --to script notebooks/02_preprocessing.ipynb
# Exporter environnement
pip freeze > requirements_freeze.txt
# Comparer 2 runs MLflow
mlflow ui --backend-store-uri sqlite:///notebooks/mlflow.db
C. Références Bibliographiques
- YOLOv8 : Ultralytics. (2024). YOLOv8: Object Detection and Segmentation. https://github.com/ultralytics/ultralytics
- FoodSeg103 : Wu et al. (2021). A Large-Scale Benchmark for Food Image Segmentation. ACM Multimedia.
- Albumentations : Buslaev et al. (2020). Albumentations: Fast and Flexible Image Augmentations. Information, 11(2), 125.
- COCO Dataset : Lin et al. (2014). Microsoft COCO: Common Objects in Context. ECCV 2014.
- ONNX : Open Neural Network Exchange. (2024). https://onnx.ai/
D. Contacts
Auteur : Antoine ROSPARS, Yann LEBIB, Jean-Pierre JANOPOULOS
Email : antoine.rospars@epitech.eu, yann.lebib@epitech.eu, jean-pierre.janopoulos@epitech.eu
GitHub : https://github.com/P4ST4S
Date de Soutenance : [À déterminer]
Licence : MIT License (à vérifier avec Epitech pour droits académiques)
Dernière mise à jour : 2026-02-06