วีดีโอ

Très intéressant 😊

Merci, ça m'a permis de mieux comprendre l'article. J'ai une question concernant le dataset d'entraînement pour un projet atypique : enfaite je travail à l'extraction d'informations sur des images d'arbres généalogiques (pedigrees charts) en oncologie pour les convertir sous forme tabulaire (.ped un genre de csv), et donc le seul article dans la littérature sur ma problématique propose d'utiliser un modèle yolo pour détecter les différents symbols sur les images d'arbres. Sauf que je dois créer moi même mon propre dataset avec labelImg, et je voulais savoir si je devais prétraîter ou non les données qui sont assez volumineuses (600DPI), est-ce que les images ou plutôt boundingbox ou coordonnées doivent correspondre à de grandes images genre en 416 par 416 ou est-ce des petites imagettes peuvent suffire ? Dailleurs je vais sûrement devoir me pencher très sérieusement sur de l'augmentation de données .. doi.org/10.3390/computation12030047

Merci beaucoup pour vos explications très claires et très intéressantes. pk

Merci pour ces vidéos, je vais filer tester tout ça.

Superbe ! (Avec 4 ans de retard)

Bonjour, Comment sont déterminés le nombre de couche entièrement connecté ? Pourquoi 2 de 128 ? Il y a-t-il des raisons mathématiques ou cest seulement en essayant ce qui fonctionne le mieux ? Sinon super vidéo et super clair, bon travail 👍✌️

I don't speak French, but I guess I understood everything you said. What a great video. Keep going! Thanks a lot!

Muchas Gracias profe, saludos desde Bolivia👌

très bien expliqué. merci

Merci pour la demo j'arrive pas à trouvé la vidéo utilisée sur github?

hello superbe video, avez vous une version alternative pour tensorflox 2x

Franchement l'explication est d'une clairetée, je vous remercie!

Bonjour, bravo c'est très complet et clair. J'ai une petite question. je ne comprends pas le rôle du [-2] à la fin de l'instruction elements=cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]. Merci par avance

Vraiment très intéressant, merci

Bonjour, Comment faites-vous le graphique à partir de vos codes sur github?

Merci pour ta vidéo, cela m'a permis de mieux comprendre les concepts. Cependant le code actuel que tu as fais ne fonctionne plus, il y a beaucoup d'erreurs et je n'arrive pas à les corriger. En espérant avoir une réponse.

Il vaut mieux un jetson nano pour la reconnaissance facile ? Pour ses tensor core ?

merciii beaucoup

fais tu encore des video ?

Bonjour, super vidéo et très bien expliqué. C'est un plaisir d'apprendre avec vous. Un grand merci

Merci Chef

très bon travail est-il possible de nous faire une vidéo sur Contrôle des drones par apprentissage par renforcement

alors si je comprends bien la proposition des nombres des classes est donner par nous? vous avez choisi de 2 à 10

merci beaucoup pour ce tuto

Trop cool boss. Je suis togolais, vivant à Lomé. Récemment j'ai travaillé sur une lunette intelligente pour les aveugles et malvoyants qui utilise de l'intelligence artificielle. J'ai besoin de vos remarques pour l'améliorer. th-cam.com/video/0bkvHA2CJyQ/w-d-xo.html

Bonjour, je tiens à vous remercier pour ce tutoriel, je travail sur un projet de vision par ordinateur, et j'aimerais pouvoir détecter une seule classe d'objet dans des image IR, du coup avoir une classe de segmentation. J'ai mon propre jeu de donnée pour la detection d'une classe. Vous vou avez en l'occurence plusieurs classes à detecter ce qui vous a amener à avoir des identifiants pour toutes vos classes .Je n'arrive pas à le retranscrire dans mon cas. Je ne sais pas où se trouve le fichier d'index des masques s'il y en a un.

Bonjour, j'aimerais savoir si vous avez fait une vidéo pour comment construire un modèle cascade. J'utilise Cascade Trainer GUI mais j'aurais aimé avoir vos explications sur les différents paramètres et comment avoir le meilleur modèle. Merci pour votre clarté.

Merci beaucoup Excelente, didactique, efficace.... à suivre..!

Bravo, pour votre travail. C'est motivant, d'être guidé par quelqu'un de clair ! (Je me suis battu pour installer tensorflow sous windows via anaconda.) Merci à vous !

Pas clair du tout !

Merci pour la video

Superbe vidéo. Merci

Super interessant merci. Pourquoi ne jamais mettre des commentaires dans le code ? Si on doit reprendre le code, et qu’on ne regarde pas la vidéo, le temps de re-compréhension sera bien plus long… Mais merci beaucoup

Merci pour cette très utile présentation, j'ai une question, est-ce que l'algoritme converge toujours vers les memes valeur de Q

j'arrive pas a changer la valeur de x_train par np.array de x_train

Merci pour cette vidéo ! Génial …

Tres bonne vidéo! Dans l'attente de la prochaine concernant l'optimisation des gpu entre autre avec OpenCl et Cuda

Quand est ce que l on s arrête ? Super vidéo !

Merci beaucoup

comment puis-je entrer en contact avec vous?

Bonjour J'ai un projet a faire sur détection d'objets sous-marins Est-ce-que si possible de me donner un coup de main Et merci par avance

thank u .u saved my entire life

Bonjour, super video! Comment faire si l'on veut détecter deux objets à la fois?

pourquoi nous avons plusieurs rectangles qui pointent vers le meme objet ?

Merci pour cette explication, je voulais juste savoir le but des anchor box dans la deuxième version de yolo , ils appliquent k-means pour les trouver ,après qu'est-ce qu'ils vont faire avec ces anchor box dans l'algorithme (réseau de neurones)? Aussi une deuxième question Quelle est la relation entre l'annotation qu'on fait et ces anchor box ? Merci de me répondre

Un vrai scientifique.

Bonjour, merci pour votre travail. En python 3.10, il faudra changer deux trois choses sur le code, gym a été update aussi. J'ai passé la vitesse du common de -0.57 à 0.57 ( au lieu de 0.07 ) Il faut rajouter render_mode="human" dans le .make pour afficher le jeu et le .render n'est plus utile J'ai supprimé le render = false et true J'ai ajouté un break à la boucle while, car maintenant on en sort à l'unique condition que l'on gagne, il n'y a donc jamais d'echec.

C'est vrai que l'ingénierie c'est cet art subtil qui permet de rendre possible l'application de belles théories mathématiques au monde réel. J'adore cette ingéniosité où à un moment donné, il n'y a pas d'autres possibilités que de devoir être débrouillard. Vraiment j'adore ces vidéos !

Avec le maillage de points, on dirait un punk tout droit sorti de Mad-Max ! Trop marrant !

Merci pour vos videos.