Détection d'objets d'intérieur par apprentissage profond

Abstract

Dans ce travail, un système de détection en temps réel a été développé pour identifier et classer avec précision les objets d'intérieur. Pour cela, une base de données personnalisée, appelée YAHINE, a été créé comprenant une variété d'images représentant quelques objets d'intérieur souvent égarés. Ensuite, l'algorithme YOLOv4, basé sur le transfert d'apprentissage, a été entraîné en utilisant deux expériences distinctes : la première en utilisant la base de données YAHINE, et l'autre en utilisant l'augmentation de données. Les performances de détection ont été évaluées en utilisant des mesures telles que la précision, le rappel et le score F1 pour comparer les résultats des deux approches. Les résultats obtenus démontrent l'efficacité du système de détection d'objets proposé.