IA - Traitement images : Keras, Pytorch, OpenCV

Blended learning

U wie riicht sech d'Formatioun?

Chefs de projet, data-scientists, souhaitant comprendre les apports de l'IA pour le traitement d'images.

Dauer

3,00 Dag(Deeg)

Sprooch(e) vun der Déngschtleeschtung

EN FR

Nächst Sessioun

04.05.2026
Plaz
En distanciel

Präis

2510,00€

Ziler

Savoir mettre en oeuvre Keras, PyTorch et OpenCV pour le traitement d'images.

Inhalt

Traitement d'Images et IA

  • Introducion au traitement d'images et à l'apprentissage automatique.
  • Présentation de Keras, PyTorch et OpenCV.

Le projet Tensorflow

  • Historique, fonctionnalités
  • Architecture distribuée, plateformes supportées

Premiers pas avec TensorFlow

  • Principe des tenseurs, caractéristiques d'un tenseur: type de données, dimensions
  • Définition de tenseurs simples,
  • Gestion de variables et persistance,
  • Représentation des calculs et des dépendances entre opérations par des graphes

Optimisation des calculs

  • Calculs distribués : différents types de stratégies (synchrone ou asynchrone), avec stockage centralisé des données ou dupliqué sur différents cpu
  • Distribution sur des GPUs
  • Utilisation de TPUs
  • Travaux pratiques sur une plateforme multi-GPU (RIG)

Présentation des RN

  • Principe des réseaux de neurones
  • Différents types de couches: denses, convolutions, activations
  • Fonctionnement des réseaux de neurones convolutifs (CNN).
  • Descente de gradient
  • Multi-Layer Perceptron

Mise en oeuvre avec Keras

  • Conception d'un réseau de neurones
  • Création et entraînement d'un modèle CNN simple avec Keras.
  • Classification d'images avec Keras
  • Notion de classification, cas d'usage
  • Architectures des réseaux convolutifs, réseaux ImageNet
  • RCNN et SSD
  • Démonstrations sur les convolutions

Optimisation d'un modèle

  • Visualisation avec Tensorboard
  • Optimisation des couches de convolutions
  • Choix des hyper-paramètres avec Keras et Keras Tuner
  • Utilisation de checkpoints

Détection d'Objets avec OpenCV et IA

  • Principes de la détection d'objets.
  • Les différents types de modèles de détection d'objets (classificateurs en cascade, YOLO, SSD, Faster R-CNN, etc.).
  • Utilisation d'OpenCV pour la détection d'objets.
  • Présentation approfondie de la bibliothèque OpenCV pour la vision par ordinateur.
  • Configuration de l'environnement OpenCV.
  • Charger et afficher des images dans OpenCV.
  • Introduction aux classificateurs en cascade d'OpenCV pour la détection d'objets.
  • Présentation des modèles IA pré-entraînés pour la détection d'objets.
  • Comparaison des différents modèles disponibles (YOLO, SSD, Faster R-CNN, etc.).
  • Choix du modèle en fonction des besoins de l'application.

Segmentation d'Images avec PyTorch

  • Comprendre la segmentation d'images.
  • Création d'un modèle de segmentation convolutif avec PyTorch.
  • Préparation des données d'entraînement pour la segmentation.
  • Entraînement et évaluation des performances du modèle.

Génération d'Images avec les GAN

  • Introduction aux réseaux génératifs adverses (GAN).
  • Création d'un modèle GAN simple avec PyTorch.

Certificat, Diplom

Une attestation de participation sera transmise aux participants

Nächst Sessioun

Datum
Stad
Sprooch & Präis
04.05.2026
En distanciel
FR 2510,00€
02.09.2026
En distanciel
FR 2510,00€
02.12.2026
En distanciel
FR 2510,00€

Dës Formatioune kéinten Iech interesséieren

EN
Dag
Op Ufro
Informatik - Gestiounssystem fir Bases de données - Logiciel SGBD NoSQL - Logiciel MongoDB