Tp 7 : Intelligence artificielle

Fiche de Travail Pratique : Reconnaissance des Images avec Teachable Machine

Objectif : Créer un modèle de reconnaissance d’image qui peut déterminer le pays d’origine d’une personne à partir de son visage en utilisant la plateforme Teachable Machine.

1. Introduction

Dans ce travail pratique, vous allez utiliser Teachable Machine, une plateforme de Google qui permet de créer des modèles de machine learning facilement, pour entraîner un modèle de reconnaissance faciale. Ce modèle sera capable de déterminer le pays d’origine d’une personne en fonction de son visage. Pour cela, un ensemble de données d’images de personnes de différents pays est fourni.

2. Pré-requis

Accès à un navigateur web avec connexion Internet.
L’ensemble de données d’images des personnes de chaque pays – Les pays – ou les animaux

3. Étapes de réalisation

Étape 1 : Accéder à Teachable Machine

Ouvrir Teachable Machine.
Cliquer sur le bouton “Get Started” pour commencer.
Choisir “Image Project” pour travailler avec des images.

Étape 2 : Préparation des données

Organiser les images par pays :
- Assurez-vous que l’ensemble de données est bien organisé avec des dossiers correspondant à chaque pays (par exemple, un dossier pour le Maroc, un pour la France, etc.).
- Chaque dossier doit contenir des images de visages représentant les personnes de ce pays.
Télécharger les images :
- Sur la page de Teachable Machine, cliquer sur “Upload” et télécharger les images dans les classes appropriées.
- Une classe correspond à un pays (ex. : “Japan”, “Allemagne”, “Italie”, etc.).

Étape 3 : Entraînement du modèle

Créer des classes :
- Créez une classe pour chaque pays en cliquant sur “Add Class”. Donnez un nom correspondant à chaque pays.
Télécharger les images dans les classes :
- Glisser-déposer les images dans chaque classe.
Entraîner le modèle :
- Après avoir téléchargé les images, cliquez sur “Train Model”.
- Teachable Machine va utiliser les images pour entraîner le modèle de classification d’images.
Ajuster les paramètres :
- Si nécessaire, ajustez les paramètres du modèle (comme le nombre d’itérations d’entraînement ou la taille des images).

Étape 4 : Tester le modèle

Essayer une image de test :
- Une fois l’entraînement terminé, vous pouvez tester le modèle en téléchargeant une nouvelle image ou en utilisant la caméra de votre appareil.
- Vérifiez si le modèle prédit correctement le pays de la personne à partir de son visage.
Améliorer le modèle :
- Si les résultats ne sont pas satisfaisants, vous pouvez ajouter plus d’images ou réajuster les classes en fonction des erreurs observées.

Étape 5 : Exporter et utiliser le modèle

Exporter le modèle :
- Une fois que vous êtes satisfait de la précision du modèle, vous pouvez l’exporter.
- Cliquez sur “Export Model” et choisissez un format pour l’intégration dans une application web, une application mobile, ou un serveur.

4. Analyse des résultats

Précision : Vérifiez si le modèle fait des erreurs systématiques (par exemple, en confondant des visages similaires).
Améliorations possibles : Vous pouvez améliorer la précision en augmentant le nombre d’images d’entraînement, en diversifiant les images (en utilisant différents éclairages, angles, etc.), ou en affinant le modèle avec des images supplémentaires.

5. Conclusion

À la fin de cet exercice, vous aurez créé un modèle capable de reconnaître le pays d’une personne à partir de son visage. Cette expérience vous aidera à comprendre les bases de l’entraînement des modèles de machine learning pour la classification d’images. Vous pourrez ensuite adapter cette méthode pour d’autres types de projets de reconnaissance d’images.