Qu'est-ce que l'étiquetage des images ?

L'étiquetage d'images est une forme d'étiquetage de données qui implique l'identification et l'étiquetage de divers détails d'une image.

Types d'étiquetage d'images

Détection d'objets

Il s'agit d'une technique utilisée sur computer Vision pour identifier et localiser des objets dans des images ou des vidéos numériques. Elle permet de détecter un objet ciblé dans la vidéo ou l'image.

Classification

La classification fait référence à l'attribution d'un objet à une image. En d'autres termes, il s'agit de trouver quelles classes d'objets sont présentes dans une image ou une vidéo.

Segmentation sémantique

Il s'agit du processus de catégorisation de chaque pixel d'une image avec une étiquette ou une description particulière.

Qu'est-ce que l'apprentissage par transfert ?

L'apprentissage par transfert est une branche de l'apprentissage automatique qui stocke les connaissances accumulées ou acquises au cours du processus de résolution d'un problème, pour finalement appliquer ces connaissances à un problème similaire.

Types d'apprentissage par transfert

Apprentissage par transfert positif

Il s'agit de l'amélioration de l'apprentissage actuel sur la base des connaissances acquises précédemment. Il s'agit également du cas où les modèles utilisent les connaissances acquises pour améliorer le résultat final de nouvelles tâches.

Apprentissage par transfert négatif

C'est le transfert de sources de connaissances moins apparentées par la formation de modèles pour des tâches, qui donne souvent des résultats désagréables.

Moyens d'accélérer l'étiquetage des images

Classification 

Localisation

Il cherche à localiser l'objet le plus visible dans une image ou une vidéo. En général, il est centré dans une boîte de délimitation serrée. Elle permet de déterminer facilement l'emplacement d'un objet de l'image.

D-CNN

Les réseaux neuronaux convolutifs profonds traitent simultanément les éléments rouge, vert et bleu d'une image. Il réduit le nombre de neurones artificiels nécessaires au traitement des images. Il reçoit et entraîne les images en tant que classificateurs. Il utilise une opération mathématique appelée "convolution".

MAIA

Il commence par la détection automatique d'objets intéressants dans une image, en partant du principe qu'ils sont plus faciles à distinguer d'un arrière-plan uniforme. Ces objets intéressants sont utilisés comme propositions d'entraînement qui sont ensuite observés et seuls les plus intéressants sont filtrés manuellement. Ils sont ensuite utilisés pour entraîner les machines à détecter automatiquement les objets sélectionnés. Un autre filtrage manuel est effectué pour trouver les objets qui sont effectivement considérés comme intéressants.

Avantages de l'étiquetage des images dans l'apprentissage par transfert

Il produit des résultats presque aussi précis que ceux qui résultent d'un effort humain individuel. Les modèles formés sont utilisés pour former des machines.

Il fournit également des représentations visuelles ou des informations sur les objets et les matériaux dont ils sont faits.

Meilleur cas d'utilisation de l'étiquetage d'images dans l'apprentissage par transfert

Imagerie médicale

L'imagerie médicale a été utilisée notamment pour le diagnostic à l'aide d'images radiologiques, ainsi que pour la détection de tissus. L'utilisation des réseaux de neurones convolutifs (CNN) pour l'imagerie médicale arrive à point nommé.

Elle est également utilisée dans la segmentation des poumons et la détection des modèles luminaires pour les patients atteints de cancer. Les nodules sont des signes de tumeurs ou de cancers. L'imagerie médicale aide à cet égard à les détecter.