Leçon 3 — Les tâches de vision : classer, détecter, segmenter, suivre
Quatre tâches, quatre budgets
Les projets de vision se ramènent presque tous à quatre tâches. Elles ne diffèrent pas seulement par leur difficulté technique : elles diffèrent surtout par le coût d'annotation, qui est le premier poste de dépense d'un projet r éel.
Retenez cet ordre : passer de la classification à la segmentation multiplie par cent le temps d'annotation. La bonne question au démarrage d'un projet n'est pas « quelle est la tâche la plus précise » mais « quelle est la tâche la moins chère qui répond à mon besoin ».
Classification : que contient cette image ?
Le modèle attribue une étiquette à l'image entière. Le mécanisme est celui de la leçon 2 : un dorsal convolutif, puis une tête qui produit une probabilité par classe.
Cas d'usage réels : une pièce est conforme ou non conforme ; ce document est une facture, un bon de livraison ou un contrat ; cette image médicale présente ou non un signe à examiner ; cette photographie de produit est utilisable pour le catalogue.
Ce qu'il faut : quelques centaines d'images par classe avec du transfer learning, et une annotation qui se réduit à ranger les images dans des dossiers.
Variante utile : la classification multi-étiquettes, où une image peut porter plusieurs étiquettes simultanément. Techniquement, il suffit de remplacer la fonction softmax par une sigmoïde par classe.
Métriques : celles de la classification classique, détaillées dans le cours de machine learning. En contrôle qualité, le rappel sur la classe « défaut » est presque toujours ce qui compte : laisser passer une pièce défectueuse coûte bien plus cher qu'un contrôle inutile.
Détection : où sont les objets ?
Le modèle produit, pour chaque objet, un rectangle englobant et une classe. Une image peut contenir zéro, un ou trente objets, et le modèle doit décider combien.
Cas d'usage réels : compter des colis sur une palette, repérer des équipements de protection sur un chantier, localiser les cellules d'une lame de microscope, lire les zones d'un formulaire, détecter des véhicules sur un flux de caméra.
Le concept à connaître : l'IoU. Comment juger qu'un rectangle prédit est correct ? On calcule l'intersection sur union : l'aire commune entre le rectangle prédit et le rectangle attendu, divisée par l'aire totale qu'ils couvrent ensemble. Un IoU de 1 signifie un recouvrement parfait, un IoU de 0 aucune intersection. Par convention, on considère souvent qu'un IoU supérieur à 0,5 vaut une détection correcte.
La métrique : la mAP. La mean average precision combine précision et rappel sur toutes les classes et tous les seuils de confiance. C'est la métrique standard, et elle a un défaut : un modèle avec une bonne mAP peut être inutilisable pour votre besoin. Si vous voulez compter des objets, ce qui vous intéresse est l'erreur de comptage, pas la mAP. Définissez toujours une métrique métier en plus de la métrique académique.
Un détecteur produit des rectangles accompagnés d'un score. Le seuil au-dessus duquel vous les gardez est un choix, pas une propriété du modèle. Un seuil bas trouve tout et produit des faux positifs ; un seuil haut est propre et rate des objets. Réglez ce seuil sur un jeu de validation en fonction du coût relatif des deux erreurs dans votre application, jamais par défaut.
Segmentation : quels pixels appartiennent à quoi ?
Le modèle attribue une classe à chaque pixel. La sortie n'est plus une étiquette ni un rectangle mais une carte de la même taille que l'image.
Deux variantes qu'il faut distinguer :
- La segmentation sémantique dit, pour chaque pixel, à quelle classe il appartient. Tous les pixels de voiture sont « voiture », sans distinguer les voitures entre elles.
- La segmentation d'instances distingue en plus les objets individuels : cette voiture-ci et cette voiture-là.
Cas d'usage réels : mesurer la surface exacte d'un défaut, délimiter un organe sur une imagerie médicale, cartographier des parcelles agricoles depuis une image satellite, isoler un produit de son arrière-plan pour un catalogue, guider un robot vers une zone précise.
Quand c'est justifié : uniquement quand vous avez besoin de la forme ou de la surface. Si un rectangle suffit, la détection coûte cent fois moins cher en annotation. Beaucoup de projets partis en segmentation auraient été réglés par une détection.
Métrique : l'IoU par classe, moyennée — souvent appelée mIoU. Attention au déséquilibre : si le défaut occupe 1 % des pixels, un modèle qui prédit « pas de défaut » partout obtient 99 % d'exactitude par pixel et une IoU nulle sur la seule classe qui compte.
Suivi : quel objet est quel objet dans le temps ?
Sur une vidéo, on veut non seulement détecter les objets mais conserver leur identité d'une image à la suivante. L'objet numéro 3 de la seconde 12 doit rester l'objet numéro 3 à la seconde 13.
Cas d'usage réels : compter des passages sans double comptage, mesurer un temps de présence, analyser une trajectoire, suivre une pièce le long d'une ligne de production.
Le fonctionnement usuel : on détecte indépendamment sur chaque image, puis un algorithme d'association relie les détections entre images consécutives, en s'appuyant sur la proximité, la vitesse estimée et parfois l'apparence.
Les difficultés propres au suivi : les occlusions, quand un objet passe derrière un autre et réapparaît — faut-il lui redonner son ancien identifiant ? Les entrées et sorties de champ. Et les objets visuellement identiques, où l'apparence ne suffit plus à distinguer deux instances.
Le tableau de décision
| Votre besoin | Tâche | Coût d'annotation | Métrique à surveiller |
|---|---|---|---|
| Trier des images en catégories | Classification | très faible | rappel sur la classe critique |
| Compter des objets | Détection | moyen | erreur de comptage |
| Localiser pour agir dessus | Détection | moyen | mAP et IoU au seuil utile |
| Mesurer une surface ou une forme | Segmentation | élevé | IoU par classe |
| Délimiter des objets qui se touchent | Segmentation d'instances | très élevé | IoU par instance |
| Suivre dans le temps | Détection + suivi | élevé, sur vidéo | continuité des identités |
Commencez par la tâche la plus simple qui rend le service attendu, et ne montez d'un cran que si la mesure montre que c'est insuffisant. Un prototype de classification livré en une semaine renseigne mieux sur la faisabilité qu'une segmentation promise pour dans trois mois.
À retenir
- Quatre tâches : classification, détection, segmentation, suivi, par coût d'annotation croissant.
- Passer de la classification à la segmentation multiplie le temps d'annotation par environ cent.
- L'IoU mesure le recouvrement entre une prédiction et la vérité ; la mAP agrège la performance d'un détecteur.
- Le seuil de confiance d'un détecteur est un choix métier, à régler selon le coût relatif des faux positifs et des faux négatifs.
- En segmentation comme en classification, un déséquilibre de classes rend l'exactitude globale trompeuse.
- Choisissez toujours la tâche la moins chère qui résout réellement le problème.
Leçon suivante — Les architectures : ResNet, YOLO, U-Net, transformeurs de vision →