Sujet du projet

Automatiser l'analyse d'images pour l'entretien des copropriétés au Québec. Objectifs : Simplifier l'établissement de listes de composantes de bâtiments via un algorithme de machine learning, pour réduire les coûts et faciliter les processus d'inspection.

Travail réalisé

• Sélection et configuration des modèles de baseline.
  • Étude des modèles zoo de detectron2 (Mask R-CNN R50-FPN, Mask R-CNN R101-FPN) entraînés sur COCO et Cityscapes.
  • Configuration des modèles sélectionnés pour l'utilisation dans le projet.


• Prétraitement des données.
  • Adapter les données d'entraînement aux formats acceptés par les modèles sélectionnés.
  • Séparer les données en ensembles d'entraînement, de validation et de test.


• Augmentation des données.
  • Mise en œuvre des fonctions d'augmentation de données pour enrichir le jeu de données.
  • Réglage des hyperparamètres des fonctions d'augmentation.


• Rééchantillonnage des données.
  • Développement de la méthode de rééchantillonnage pour le rebalancement des données.
  • Détermination de l'hyperparamètre seuil pour le rééchantillonnage.
  • Intégration du rééchantillonnage dans le pipeline d'entraînement.
• Ajustement de la fonction de loss.
  • Élaboration de la méthode de focal loss pour le rebalancement des données.
  • Détermination des valeurs optimales des hyperparamètres.
  • Intégration d'une fonction de perte focal dans le processus d'entraînement.
• Évaluation des modèles.
  • Calcul de la précision moyenne (AP), de l'intersection over union (IoU) et d'autres métriques pour évaluer les performances des modèles.
  • Comparaison des performances des modèles sur les jeux de données d'entraînement, de validation et de test.
  • Analyse des résultats pour déterminer l'efficacité des méthodes de rebalancement des données.
• Rapport des résultats.
  • Présentation des résultats sous forme de tables et de graphiques.
  • Discussion des conclusions et des implications des résultats obtenus.
  • Propositions d'amélioration pour les itérations futures du projet.