AL-VT commited on
Expand README with model selection and camera issues
Browse filesAdded sections discussing model selection issues and camera variability.
README.md
CHANGED
|
@@ -89,3 +89,21 @@ base_model = VGG16(weights='imagenet', include_top=False, input_shape=(224,224,3
|
|
| 89 |
* training avec data augmentation
|
| 90 |
* validation croisée : diviser en k fold pour évaluer robestesse
|
| 91 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 89 |
* training avec data augmentation
|
| 90 |
* validation croisée : diviser en k fold pour évaluer robestesse
|
| 91 |
|
| 92 |
+
|
| 93 |
+
|
| 94 |
+
# Problèmatiques :
|
| 95 |
+
influençant le choix du modèle à pré-entrainer
|
| 96 |
+
|
| 97 |
+
## Problème principal : les caméras
|
| 98 |
+
### Variabilité extrême :
|
| 99 |
+
- Caméra de volontaires, publique ou privé
|
| 100 |
+
- rafraichissement inégale : parfois 1 à plusieurs minutes voir plusieurs heures
|
| 101 |
+
- Variabilité extrême : lumière, météo, angle
|
| 102 |
+
|
| 103 |
+
### Qualité trés basse
|
| 104 |
+
- caméra trés distante > fumée petite > l'IA doit être sensible au faibles signaux
|
| 105 |
+
- Donc architecture puissante pour capter les petits indices
|
| 106 |
+
- DOnc faux positive élevé > Couche de de validation ou score de confiance (ou les deux)
|
| 107 |
+
|
| 108 |
+
###
|
| 109 |
+
|