{"id":179587,"date":"2022-11-07T10:02:17","date_gmt":"2022-11-07T10:02:17","guid":{"rendered":"https:\/\/datascientest.com\/?p=179587"},"modified":"2023-10-29T16:00:22","modified_gmt":"2023-10-29T16:00:22","slug":"projet-ball-tracking","status":"publish","type":"post","link":"https:\/\/datascientest.com\/projet-ball-tracking","title":{"rendered":"Projet \u201cBall Tracking\u201d\u00a0: Quand le football et la data science se rejoignent"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"179587\" class=\"elementor elementor-179587\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-f912cf7 e-flex e-con-boxed e-con\" data-id=\"f912cf7\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-faf57a3 elementor-widget elementor-widget-heading\" data-id=\"faf57a3\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">A- Contexte<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6eac27c elementor-widget elementor-widget-heading\" data-id=\"6eac27c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Cadre :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cf7657a elementor-widget elementor-widget-text-editor\" data-id=\"cf7657a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Ce projet a \u00e9t\u00e9 r\u00e9alis\u00e9 dans le cadre de <a href=\"\/formation-data-scientist\">la formation de Data Scientist chez DataScientest<\/a>, au sein de la promotion octobre 2021. Il s\u2019agit du projet \u201cfil rouge\u201d qui permet de mettre en pratique une partie des notions qui sont apprises lors des modules.<\/p><p>Le but de ce projet\u00a0 est d&rsquo;impl\u00e9menter un tracker qui puisse suivre un ballon lors d\u2019un match de football : nous avons une cam\u00e9ra qui pointe sur le terrain et nous devons mettre au point un syst\u00e8me qui permette de garder le ballon au centre de l\u2019image renvoy\u00e9e par la cam\u00e9ra. Cette solution\u00a0 pourrait \u00eatre mise en production dans des logiciels dans le but de fournir une assistance au guidage des cam\u00e9ras aux \u00e9quipes de r\u00e9alisation qui travaillent sur les \u00e9v\u00e8nements sportifs.<\/p><p>Pour cr\u00e9er la solution, nous allons faire de la d\u00e9tection d\u2019objet associ\u00e9 \u00e0 un algorithme de tracking. La d\u00e9tection d\u2019objet est un domaine du <a href=\"https:\/\/datascientest.com\/deep-learning\">deep learning<\/a> dont le but est d&rsquo;identifier la classe et la position d\u2019un ou plusieurs objets donn\u00e9s dans des images.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c73b59d elementor-widget elementor-widget-heading\" data-id=\"c73b59d\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Probl\u00e9matique :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a59d0d7 elementor-widget elementor-widget-text-editor\" data-id=\"a59d0d7\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Nous pourrions impl\u00e9menter un d\u00e9tecteur et tracker simplement avec les d\u00e9tections. Mais imaginons que le d\u00e9tecteur renvoie un faux positif o\u00f9 que le ballon disparaisse derri\u00e8re un joueur alors le syst\u00e8me entier serait en d\u00e9faillance et nous perdrions la trace du ballon. Le d\u00e9tecteur seul n\u2019est donc pas une solution assez robuste pour cette probl\u00e9matique. D\u2019apr\u00e8s <a href=\"https:\/\/medium.com\/augmented-startups\/deepsort-deep-learning-applied-to-object-tracking-924f59f99104\">les retours d\u2019exp\u00e9rience disponible sur internet<\/a>, nous devons combiner les d\u00e9tections du d\u00e9tecteur avec un syst\u00e8me de tracking.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c9b8e87 elementor-widget elementor-widget-text-editor\" data-id=\"c9b8e87\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>La probl\u00e9matique de ce projet est donc la suivante : \u00ab\u00a0tracker des balles de sport en temps r\u00e9el dans des vid\u00e9os\u00a0\u00bb.<\/p><p><span style=\"text-decoration: underline;\"><span style=\"font-weight: 400;\">Cette probl\u00e9matique peut se diviser en deux probl\u00e9matique sous jacente : <\/span><\/span><\/p><ol><li>D\u00e9tecter des balles de sport dans des images, c&rsquo;est-\u00e0-dire leurs localisations dans l\u2019image.<\/li><li>Tracker des balles de sport dans des vid\u00e9os sur la base des d\u00e9tections successives dans les frames de la vid\u00e9o.<\/li><\/ol>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6308173 elementor-widget elementor-widget-heading\" data-id=\"6308173\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Objectifs :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d241816 elementor-widget elementor-widget-text-editor\" data-id=\"d241816\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ol><li style=\"list-style-type: none;\"><ol><li>Cr\u00e9er un d\u00e9tecteur de ballons de sport satisfaisant les crit\u00e8res suivants :<ul><li style=\"list-style-type: none;\"><ul><li>Bonne performance de d\u00e9tection (mAP a minima de 0.8).<\/li><li>Temps d\u2019inf\u00e9rence permettant de travailler en temps r\u00e9el.<\/li><\/ul><\/li><\/ul><\/li><\/ol><\/li><\/ol><blockquote><p><em>Remarque : la mAP est un m\u00e9trique d\u2019\u00e9valuation courante en d\u00e9tection d\u2019objet. Nous la d\u00e9finirons plus loin dans l\u2019article.<\/em><\/p><\/blockquote><ol><li>Utiliser les d\u00e9tections du d\u00e9tecteur pour alimenter un tracker robuste et l\u00e9ger, c&rsquo;est-\u00e0-dire associer un ID \u00e0 un objet d\u00e9tect\u00e9 et le tracer tout au long de son parcours dans l\u2019image.<\/li><\/ol>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-655715d elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"655715d\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir notre formation de Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f1f9bf5 e-flex e-con-boxed e-con\" data-id=\"f1f9bf5\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-24c9aff elementor-widget elementor-widget-heading\" data-id=\"24c9aff\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">B- Le projet<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d3a5d65 elementor-widget elementor-widget-heading\" data-id=\"d3a5d65\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Data Exploration (D\u00e9finition de la probl\u00e9matique, difficult\u00e9s) :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-dacdd6d elementor-widget elementor-widget-text-editor\" data-id=\"dacdd6d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li><strong>Type de donn\u00e9es et target<\/strong><\/li><\/ul><p>Nous travaillons avec des images, qui sont des donn\u00e9es non structur\u00e9es. Elles sont mod\u00e9lis\u00e9es par des tableaux \u00e0 trois dimensions de taille (n,m,3).<\/p><p>Chaque pixel est repr\u00e9sent\u00e9 par une s\u00e9rie de trois valeurs (niveau de rouge, niveau de vert, niveau de bleu) qui se combinent pour former la couleur d\u2019un pixel.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6c4149c elementor-widget elementor-widget-image\" data-id=\"6c4149c\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"830\" height=\"306\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-46-8.png\" class=\"attachment-full size-full wp-image-180018\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-46-8.png 830w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-46-8-300x111.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-46-8-768x283.png 768w\" sizes=\"(max-width: 830px) 100vw, 830px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Repr\u00e9sentation d\u2019une image en rgb<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4c77dbb elementor-widget elementor-widget-text-editor\" data-id=\"4c77dbb\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Ces objets sont les donn\u00e9es d&rsquo;entr\u00e9e des mod\u00e8les de Deep Learning que nous utiliserons par la suite. L\u2019objectif est de pr\u00e9dire un rectangle d\u2019encadrement pour les balles de football potentiellement pr\u00e9sentes dans les images donn\u00e9es au mod\u00e8le. Ces rectangles sont d\u00e9finis par leurs centres, leurs hauteurs et leurs largeurs.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b6d4798 elementor-widget elementor-widget-image\" data-id=\"b6d4798\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"896\" height=\"474\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track2.png\" class=\"attachment-full size-full wp-image-179607\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track2.png 896w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track2-300x159.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track2-768x406.png 768w\" sizes=\"(max-width: 896px) 100vw, 896px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Inputs et outputs d\u2019un mod\u00e8le de d\u00e9tection d\u2019objet<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7d63b35 elementor-widget elementor-widget-text-editor\" data-id=\"7d63b35\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Ils vont repr\u00e9senter la sortie de nos r\u00e9seaux de neurones c\u2019est-\u00e0-dire les valeurs que nous cherchons \u00e0 pr\u00e9dire.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c18d02d elementor-widget elementor-widget-text-editor\" data-id=\"c18d02d\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li><strong>Source de donn\u00e9es<\/strong><\/li><\/ul><p>Nous avons utilis\u00e9 une partie du jeu de donn\u00e9es <a href=\"https:\/\/storage.googleapis.com\/openimages\/web\/index.html\">Open Image V6<\/a> en ne prenant en compte que certains labels que l\u2019on a cat\u00e9goris\u00e9 en \u00ab\u00a0balle de sport\u00a0\u00bb. Le jeu de donn\u00e9es Open Image V6 a \u00e9t\u00e9 d\u00e9velopp\u00e9 par Google. Il contient presque 9 millions d\u2019images avec leurs annotations et les bounding boxes (16 Millions) pour 600 cat\u00e9gories d\u2019objets. Ces images ont \u00e9t\u00e9 labellis\u00e9es manuellement et v\u00e9rifi\u00e9es.<\/p><p>Nous avons pris toutes les classes qui appartiennent \u00e0 la cat\u00e9gorie \u00ab\u00a0balle de sport\u00a0\u00bb afin d\u2019augmenter le nombre d&rsquo;images \u00e0 notre disposition. C\u2019est \u00e0 dire :<\/p><ul><li style=\"list-style-type: none;\"><ul><li>Football<\/li><li>Golf Ball<\/li><li>Rugby Ball<\/li><li>Tennis Ball<\/li><li>Volley Ball<\/li><\/ul><\/li><\/ul><p>Volume : 9 998 images pour 11773 annotations (1,18 annotations \/ image).<br \/>Apr\u00e8s augmentation des donn\u00e9es :<\/p><ul><li style=\"list-style-type: none;\"><ul><li>Train : 27k images<\/li><li>Test : 998 images<\/li><li>Validation : 3000 images (pas d\u2019augmentation de donn\u00e9es sur ce split)<\/li><\/ul><\/li><\/ul><p>La r\u00e9partition des dimension des images est la suivante :<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5af3aa0 elementor-widget elementor-widget-image\" data-id=\"5af3aa0\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"984\" height=\"813\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track3.png\" class=\"attachment-full size-full wp-image-179620\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track3.png 984w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track3-300x248.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track3-768x635.png 768w\" sizes=\"(max-width: 984px) 100vw, 984px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">R\u00e9partition de la taille des images (en px)<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cc1370a elementor-widget elementor-widget-heading\" data-id=\"cc1370a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Data visualisation :<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-72df333 elementor-widget elementor-widget-text-editor\" data-id=\"72df333\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>R\u00e9partition des variables cibles : xmid, ymid, width, height et relations entre elles.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f46a00e elementor-widget elementor-widget-image\" data-id=\"f46a00e\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"821\" height=\"679\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track4.png\" class=\"attachment-full size-full wp-image-179621\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track4.png 821w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track4-300x248.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track4-768x635.png 768w\" sizes=\"(max-width: 821px) 100vw, 821px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Distribution des variables cible et relations entre elles<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2164faa elementor-widget elementor-widget-text-editor\" data-id=\"2164faa\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Nous constatons que la r\u00e9partition des variables dans les deux jeu de donn\u00e9es sont semblables :<\/p><ul><li style=\"list-style-type: none;\"><ul><li><strong>XMid<\/strong> : la majorit\u00e9 des balles sont situ\u00e9es au milieu de l\u2019image. La r\u00e9partition est en forme de pyramide.<\/li><li><strong>YMid<\/strong> : la majorit\u00e9 des balles sont situ\u00e9es dans la partie sup\u00e9rieure de l\u2019image.<\/li><li><strong>w<\/strong> : les balles sont globalement petites avec un maximum de densit\u00e9 \u00e0 1\/10 de la taille de l\u2019image.<\/li><li><strong>h<\/strong> : m\u00eame constat.<\/li><\/ul><\/li><\/ul><p>Au vu de cette r\u00e9partition des variables cibles, les mod\u00e8les qui seront entra\u00een\u00e9s vont d\u00e9velopper un biais :<\/p><ul><li style=\"list-style-type: none;\"><ul><li>Ils vont avoir tendance \u00e0 d\u00e9tecter les balles plut\u00f4t dans la zone milieu haute de l\u2019image (cf carte de densit\u00e9).<\/li><li>Ils vont avoir tendance \u00e0 d\u00e9tecter des balles de taille allant de 0.1 \u00e0 0.2 fois la taille de l\u2019image.<\/li><\/ul><\/li><\/ul><p>Afin de contrer ce biais nous allons avoir recours \u00e0 de l&rsquo;augmentation de donn\u00e9es. L\u2019augmentation de donn\u00e9es consiste \u00e0 appliquer des transformations aux images de base (translation, zoom, rotation, blur, contraste, bruits, etc.). \u00c0 chaque nouvelle \u00e9poque d\u2019apprentissage, le jeu de donn\u00e9es d&rsquo;entra\u00eenement est modifi\u00e9 par ces transformations.<br \/>Cela permet de r\u00e9duire le surapprentissage en r\u00e9duisant le biais.<\/p><p>Nous avons appliqu\u00e9 les augmentations suivantes :<\/p><ul><li style=\"list-style-type: none;\"><ul><li><strong>Translation<\/strong> : translation de l\u2019image dans chaque direction.<\/li><li><strong>Crop<\/strong> : rajoute de la variabilit\u00e9 dans la position et la taille.<\/li><li><strong>Rotation<\/strong> : rajoute de la variabilit\u00e9 dans l\u2019alignement cam\u00e9ra, objet.<\/li><li><strong>Blur<\/strong> : rend le mod\u00e8le plus r\u00e9silient \u00e0 la qualit\u00e9 des images.<\/li><li><strong>Bounding Box Blur<\/strong> : pour am\u00e9liorer les capacit\u00e9 de d\u00e9tection des balles en mouvement.<\/li><\/ul><\/li><\/ul><p>Certains objets sont tr\u00e8s petits (objet &lt; 0.01 fois la taille de l\u2019image). M\u00eame si ces objets sont pr\u00e9sents dans les donn\u00e9es d&rsquo;entra\u00eenement \u00e0 une proportion non n\u00e9gligeable, ils sont difficiles \u00e0 d\u00e9tecter en pratique.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d0ad6a4 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"d0ad6a4\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir la formation de Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7baef97 elementor-widget elementor-widget-heading\" data-id=\"7baef97\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Deep Learning (Mod\u00e8les et am\u00e9liorations, Diff\u00e9rentes it\u00e9rations avec leurs apports respectifs)<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6560d7b elementor-widget elementor-widget-heading\" data-id=\"6560d7b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\"><u>1\/ MLP classique<\/u><\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b9217f9 elementor-widget elementor-widget-text-editor\" data-id=\"b9217f9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>On a commenc\u00e9 par entra\u00eener un mod\u00e8le bas\u00e9 sur l\u2019architecture MLP (Multi Layers Perceptron) classique. Le mod\u00e8le prend en entr\u00e9e le vecteur des pixels des images en niveau de gris (48*48 pixels) et sort 4 valeurs : XMid, YMid, w, h.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6777d8c elementor-widget elementor-widget-image\" data-id=\"6777d8c\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1166\" height=\"530\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5.png\" class=\"attachment-full size-full wp-image-179629\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5.png 1166w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-300x136.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-1024x465.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-768x349.png 768w\" sizes=\"(max-width: 1166px) 100vw, 1166px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9c79ff5 elementor-widget elementor-widget-text-editor\" data-id=\"9c79ff5\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Ce mod\u00e8le n\u2019a pas produit de r\u00e9sultat concluant. Les MLP ne sont pas adapt\u00e9s \u00e0 la t\u00e2che de d\u00e9tection d&rsquo;objets en raison du nombre de param\u00e8tres dans un MLP. Pour un image de 200*200 pixels et si nous prenons une premi\u00e8re couche \u00e9gal au nombre de variable de l\u2019image cela fait 40000 * 40000 = 1,6e9 connexions uniquement pour la premi\u00e8re couche. Nous verrons que les CNN (Convolutional Neural Network) permettent de r\u00e9soudre ce probl\u00e8me.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3a9fed6 elementor-widget elementor-widget-heading\" data-id=\"3a9fed6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\"><u>2\/ CNN de r\u00e9gression<\/u><\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d4cb623 elementor-widget elementor-widget-text-editor\" data-id=\"d4cb623\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Les <a href=\"https:\/\/datascientest.com\/convolutional-neural-network\">CNN<\/a> ont montr\u00e9 leur efficacit\u00e9 pour le traitement de t\u00e2che visuelle. Ils ont \u00e9t\u00e9 employ\u00e9s dans les syst\u00e8mes des voitures autonomes ou dans la classification des vid\u00e9os entre autres.<\/p><p>Dans un CNN une couche est repr\u00e9sent\u00e9e en deux dimensions donc on peut donner directement nos images en entr\u00e9e sans avoir besoin de les aplatir.<\/p><p>Nous avons impl\u00e9ment\u00e9 une architecture de CNN, l\u2019EfficientNet, pr\u00e9-entra\u00een\u00e9 sur le jeu de donn\u00e9es imagenet et nous avons fait un transfert d\u2019apprentissage pour l\u2019adapter \u00e0 notre probl\u00e8me.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f749db5 elementor-widget elementor-widget-image\" data-id=\"f749db5\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1166\" height=\"530\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-1.png\" class=\"attachment-full size-full wp-image-179642\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-1.png 1166w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-1-300x136.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-1-1024x465.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track5-1-768x349.png 768w\" sizes=\"(max-width: 1166px) 100vw, 1166px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2b2c948 elementor-widget elementor-widget-text-editor\" data-id=\"2b2c948\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le r\u00e9seau n\u2019est pas capable de bien d\u00e9tecter les objets dans les images. De plus, nous sommes toujours limit\u00e9s \u00e0 une d\u00e9tection par image, ce qui est tr\u00e8s restrictif.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5fde479 elementor-widget elementor-widget-heading\" data-id=\"5fde479\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\"><u>3\/ YOLO simplifi\u00e9<\/u><\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bfa63ba elementor-widget elementor-widget-text-editor\" data-id=\"bfa63ba\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>L\u2019algorithme est connu pour sa rapidit\u00e9 et sa pr\u00e9cision. Il permet de pr\u00e9dire en temps r\u00e9el une multitude de boundings boxes par image. L&rsquo;id\u00e9e du d\u00e9tecteur YOLO (You Only Look Once) est d\u2019ex\u00e9cuter l&rsquo;image sur un mod\u00e8le CNN et obtenir en sortie la d\u00e9tection en un seul passage.<br \/>L\u2019architecture de YOLO se compose de trois \u00e9l\u00e9ments principaux :<\/p><ol><li><strong>Backbone<\/strong> &#8211; Un r\u00e9seau neuronal convolutif qui agr\u00e8ge et forme des caract\u00e9ristiques d&rsquo;image .<\/li><li><strong>Neck<\/strong> &#8211; Une s\u00e9rie de couches pour m\u00e9langer et combiner les caract\u00e9ristiques de l&rsquo;image pour les transmettre \u00e0 la pr\u00e9diction.<\/li><li><strong>Head<\/strong> &#8211; Consomme les fonctionnalit\u00e9s du Neck et contient des \u00e9tapes de pr\u00e9diction de bounding boxes et de classe.<\/li><\/ol>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bceb049 elementor-widget elementor-widget-image\" data-id=\"bceb049\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t\t<a href=\"https:\/\/arxiv.org\/abs\/1506.02640\">\n\t\t\t\t\t\t\t<img decoding=\"async\" width=\"767\" height=\"235\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-45-8.png\" class=\"attachment-full size-full wp-image-180020\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-45-8.png 767w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-45-8-300x92.png 300w\" sizes=\"(max-width: 767px) 100vw, 767px\" \/>\t\t\t\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Source : You Only Look Once: Unified, Real-Time Object Detection (Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi)<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-18cf71a elementor-widget elementor-widget-text-editor\" data-id=\"18cf71a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><strong>Version simplifi\u00e9e que nous avons mise en place :<\/strong><\/p><ul><li style=\"list-style-type: none;\"><ul><li>nous avons quadrill\u00e9 les images en 16*16 donc nous avons 256 cellules,<\/li><li>nous avons utilis\u00e9 l\u2019architecture efficientnetB0 comme backbone,<\/li><li>nous n\u2019avons pas de Neck puisque nous faisons directement nos pr\u00e9dictions \u00e0 la sortie du backbone.<\/li><\/ul><\/li><\/ul><p>Voici l\u2019architecture du mod\u00e8le :<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ea1c2d9 elementor-widget elementor-widget-image\" data-id=\"ea1c2d9\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1266\" height=\"653\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track7.png\" class=\"attachment-full size-full wp-image-179653\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track7.png 1266w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track7-300x155.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track7-1024x528.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track7-768x396.png 768w\" sizes=\"(max-width: 1266px) 100vw, 1266px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a652be8 elementor-widget elementor-widget-text-editor\" data-id=\"a652be8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><strong>Interf\u00e9rence :\u00a0<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c1292e9 elementor-widget elementor-widget-text-editor\" data-id=\"c1292e9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p style=\"padding-left: 80px;\"><strong>TRAIN<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f68aa40 elementor-widget elementor-widget-image\" data-id=\"f68aa40\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"759\" height=\"350\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track8.png\" class=\"attachment-full size-full wp-image-179655\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track8.png 759w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track8-300x138.png 300w\" sizes=\"(max-width: 759px) 100vw, 759px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-25b7f81 elementor-widget elementor-widget-text-editor\" data-id=\"25b7f81\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p style=\"padding-left: 80px;\"><strong>TEST<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cebd444 elementor-widget elementor-widget-image\" data-id=\"cebd444\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"761\" height=\"345\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track9.png\" class=\"attachment-full size-full wp-image-179659\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track9.png 761w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track9-300x136.png 300w\" sizes=\"(max-width: 761px) 100vw, 761px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1749af0 elementor-widget elementor-widget-text-editor\" data-id=\"1749af0\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p style=\"padding-left: 80px;\"><strong>VALIDATION<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-308937c elementor-widget elementor-widget-image\" data-id=\"308937c\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"760\" height=\"352\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track10.png\" class=\"attachment-full size-full wp-image-179660\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track10.png 760w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track10-300x139.png 300w\" sizes=\"(max-width: 760px) 100vw, 760px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e472c44 elementor-widget elementor-widget-text-editor\" data-id=\"e472c44\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le mod\u00e8le localise bien les objets lorsqu&rsquo;ils sont isol\u00e9s et de taille suffisante. On constate un biais sur la taille de rectangle d\u2019encadrement lorsque l\u2019objet devient trop grand et trop petit. Nous calculons une mAP de 0.31 pour ce mod\u00e8le. Ce n\u2019est pas suffisamment performant comme d\u00e9tecteur par rapport \u00e0 notre cahier des charges.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c961390 elementor-widget elementor-widget-heading\" data-id=\"c961390\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Focus sur la m\u00e9trique mAP - mean Average Precision <\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0724923 elementor-widget elementor-widget-text-editor\" data-id=\"0724923\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Nous vous avions promis une d\u00e9finition de la m\u00e9trique mAP, nous y voil\u00e0.<\/p><p><strong>Pr\u00e9cision<\/strong> : taux de vrai positif par rapport \u00e0 l\u2019ensemble de ce que le mod\u00e8le a pr\u00e9dit comme positif, elle mesure la capacit\u00e9 du d\u00e9tecteur \u00e0 correctement pr\u00e9dire les rectangles d\u2019encadrement, c\u2019est \u00e0 dire ne pas avoir de faux positif.<\/p><p><strong>Recall<\/strong> : taux de bonnes pr\u00e9dictions parmi tous nos vrais rectangles d\u2019encadrement. Il mesure la capacit\u00e9 du d\u00e9tecteur \u00e0 d\u00e9tecter tous les rectangles d\u2019encadrement, c&rsquo;est-\u00e0-dire ne pas avoir de faux positif.<\/p><p>En d\u00e9tection d\u2019objet, le seuil pour trancher entre un vrai positif et un faux positif se base sur l\u2019IoU :<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bae8e1a elementor-widget elementor-widget-image\" data-id=\"bae8e1a\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"640\" height=\"235\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track13.png\" class=\"attachment-full size-full wp-image-179678\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track13.png 640w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track13-300x110.png 300w\" sizes=\"(max-width: 640px) 100vw, 640px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1e715f9 elementor-widget elementor-widget-text-editor\" data-id=\"1e715f9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Quand un mod\u00e8le de classification fait une pr\u00e9diction, il nous donne g\u00e9n\u00e9ralement un indice de confiance, c&rsquo;est-\u00e0-dire la probabilit\u00e9 qu\u2019un objet appartienne \u00e0 une classe donn\u00e9e. Nous pouvons donc arbitrairement choisir le seuil \u00e0 partir duquel on consid\u00e8re qu\u2019une d\u00e9tection appartient \u00e0 la classe donn\u00e9e.<\/p><p>Nous devons donc faire un compromis en pr\u00e9cision et rappel en jouant sur ce seuil.<\/p><p>Plus le seuil de confiance est haut, plus la pr\u00e9cision est proche de 1, moins le recall est proche de 1. Plus le seuil est bas, moins la pr\u00e9cision est proche de 1, plus le recall est proche de 1.<\/p><p>Il est possible de plotter la pr\u00e9cision et le recall du mod\u00e8le comme une fonction du seuil de confiance. Elle diminue au fur et \u00e0 mesure que le seuil de confiance diminue, car plus on fait de pr\u00e9diction, plus le recall augmente mais les pr\u00e9dictions sont moins pr\u00e9cises.<\/p><p>Voici un exemple de courbe pr\u00e9cision\/rappel :<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9b5cc92 elementor-widget elementor-widget-image\" data-id=\"9b5cc92\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"700\" height=\"226\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track15.png\" class=\"attachment-full size-full wp-image-179680\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track15.png 700w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track15-300x97.png 300w\" sizes=\"(max-width: 700px) 100vw, 700px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-69247fe elementor-widget elementor-widget-text-editor\" data-id=\"69247fe\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Pour la mAP, nous regardons la pr\u00e9cision maximale que nous pouvons avoir avec un rappel d\u2019au moins 10%, puis de 20%, puis de 30%, et ainsi de suite jusqu\u2019\u00e0 100%, et on calcul la moyenne de ces pr\u00e9cisions maximale.<\/p><p>Cette m\u00e9trique peut \u00eatre calcul\u00e9e \u00e0 diff\u00e9rent seuil d\u2019IoU. Dans les diff\u00e9rents benchmark dans le domaine de la d\u00e9tection d\u2019objet, nous utilisons la valeur de 0.5 comme seuil, not\u00e9 MAP:0.5.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fd06441 elementor-widget elementor-widget-heading\" data-id=\"fd06441\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">YOLOV5<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-32bd2b8 elementor-widget elementor-widget-text-editor\" data-id=\"32bd2b8\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Nous avons utilis\u00e9 le mod\u00e8le <a href=\"https:\/\/docs.ultralytics.com\/\">YOLOV5<\/a> d\u00e9velopp\u00e9 par Ultra Analytics et publi\u00e9 le 9 Juin 2020 sur le FrameWork PyTorch. Cette version est bien meilleure que les versions pr\u00e9c\u00e9dentes : on peut voir que l\u2019on peut traiter des images en 2,5 \u00e0 7,5 ms\/images avec un GPU tout en obtenant des performances comparables aux d\u00e9tecteurs \u00e0 l\u2019\u00e9tat de l\u2019art.<\/p><p>Nous avons entra\u00een\u00e9 et test\u00e9 6 mod\u00e8les yolov5 (combinaison de taille des images en entr\u00e9e et profondeur du r\u00e9seau) :<\/p><p><strong>R\u00e9capitulatif :\u00a0<\/strong><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2a40a1c elementor-widget elementor-widget-html\" data-id=\"2a40a1c\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style type=\"text\/css\">\r\n.tg  {border-collapse:collapse;border-spacing:0;}\r\n.tg td{border-color:black;border-style:solid;border-width:1px;font-family:Arial, sans-serif;font-size:14px;\r\n  overflow:hidden;padding:10px 5px;word-break:normal;}\r\n.tg th{border-color:black;border-style:solid;border-width:1px;font-family:Arial, sans-serif;font-size:14px;\r\n  font-weight:normal;overflow:hidden;padding:10px 5px;word-break:normal;}\r\n.tg .tg-5n6u{background-color:#999903;border-color:inherit;text-align:center;vertical-align:top}\r\n.tg .tg-c3ow{border-color:inherit;text-align:center;vertical-align:top}\r\n.tg .tg-7btt{border-color:inherit;font-weight:bold;text-align:center;vertical-align:top}\r\n<\/style>\r\n<table class=\"tg\">\r\n<thead>\r\n  <tr>\r\n    <th class=\"tg-7btt\">Taille des images<\/th>\r\n    <th class=\"tg-7btt\">Profondeur<\/th>\r\n    <th class=\"tg-7btt\">AP : 0.5 (IoU threshold<\/th>\r\n    <th class=\"tg-7btt\">F1 score<\/th>\r\n    <th class=\"tg-7btt\">Conf threshold<\/th>\r\n  <\/tr>\r\n<\/thead>\r\n<tbody>\r\n  <tr>\r\n    <td class=\"tg-c3ow\" rowspan=\"2\">640px<\/td>\r\n    <td class=\"tg-c3ow\">large<\/td>\r\n    <td class=\"tg-c3ow\">0,674<\/td>\r\n    <td class=\"tg-c3ow\">0,69<\/td>\r\n    <td class=\"tg-c3ow\">0,216<\/td>\r\n  <\/tr>\r\n  <tr>\r\n    <td class=\"tg-c3ow\">extra large <\/td>\r\n    <td class=\"tg-c3ow\">0,658<\/td>\r\n    <td class=\"tg-c3ow\">0,69<\/td>\r\n    <td class=\"tg-c3ow\">0,286<\/td>\r\n  <\/tr>\r\n  <tr>\r\n    <td class=\"tg-c3ow\" rowspan=\"2\">960px<\/td>\r\n    <td class=\"tg-c3ow\">small<\/td>\r\n    <td class=\"tg-c3ow\">0,477<\/td>\r\n    <td class=\"tg-c3ow\">0,53<\/td>\r\n    <td class=\"tg-c3ow\">0,119<\/td>\r\n  <\/tr>\r\n  <tr>\r\n    <td class=\"tg-c3ow\">medium<\/td>\r\n    <td class=\"tg-c3ow\">0,503<\/td>\r\n    <td class=\"tg-c3ow\">0,54<\/td>\r\n    <td class=\"tg-c3ow\">0,156<\/td>\r\n  <\/tr>\r\n  <tr>\r\n    <td class=\"tg-5n6u\" rowspan=\"2\">1280px<\/td>\r\n    <td class=\"tg-5n6u\">small<\/td>\r\n    <td class=\"tg-5n6u\">0,832<\/td>\r\n    <td class=\"tg-5n6u\">0,8<\/td>\r\n    <td class=\"tg-5n6u\">0,398<\/td>\r\n  <\/tr>\r\n  <tr>\r\n    <td class=\"tg-c3ow\">medium<\/td>\r\n    <td class=\"tg-c3ow\">0,8<\/td>\r\n    <td class=\"tg-c3ow\">0,78<\/td>\r\n    <td class=\"tg-c3ow\">0,273<\/td>\r\n  <\/tr>\r\n<\/tbody>\r\n<\/table>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-765ebaf elementor-widget elementor-widget-text-editor\" data-id=\"765ebaf\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le mod\u00e8le de d\u00e9tection retenu est le mod\u00e8le YOLO V5 small entra\u00een\u00e9 \u00e0 1280*1280 pixels. Ce choix a \u00e9t\u00e9 d\u00e9cid\u00e9 de par les performances (mAP) et de vitesse d\u2019inf\u00e9rence offertes par le mod\u00e8le.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9da917b elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"9da917b\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Devenir Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-73ad900 e-flex e-con-boxed e-con\" data-id=\"73ad900\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-8305341 elementor-widget elementor-widget-heading\" data-id=\"8305341\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Partie tracker : filtre de Kalman<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-fe7233a elementor-widget elementor-widget-text-editor\" data-id=\"fe7233a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le filtre de kalman est un algorithme de traitement de donn\u00e9es r\u00e9cursif qui estime l\u2019\u00e9tat d\u2019un objet \u00e0 l\u2019aide de mesure (les d\u00e9tections du d\u00e9tecteur).<\/p><p>Il y a deux \u00e9tapes :<\/p><ol><li><strong>Une \u00e9tape de pr\u00e9diction<\/strong> : permet de pr\u00e9dire le dernier \u00e9tat estim\u00e9 (la position du ballon \u00e0 l\u2019instant t) par rapport \u00e0 la mesure (ou d\u00e9tection) faite \u00e0 l\u2019instant t-1. En faisant l\u2019hypoth\u00e8se d\u2019un mod\u00e8le de d\u00e9placement \u00e0 vitesse constante, l\u2019algorithme estime la position future du ballon.<\/li><li><strong>Une \u00e9tape de correction<\/strong> : utilise la mesure faite \u00e0 l\u2019instant t (d\u00e9tection) pour corriger l\u2019\u00e9tat estim\u00e9 \u00e0 l\u2019\u00e9tape de pr\u00e9diction. S\u2019il n\u2019y a pas de d\u00e9tection alors cette \u00e9tape n\u2019a pas lieu et l\u2019on se base uniquement sur l\u2019\u00e9tat pr\u00e9dit par le filtre. L\u2019\u00e9tape de pr\u00e9diction suivante se base alors sur la pr\u00e9diction et non pas sur la d\u00e9tection.<\/li><\/ol>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-666e668 elementor-widget elementor-widget-heading\" data-id=\"666e668\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Fonctionnement du tracker : <\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8aff65e elementor-widget elementor-widget-image\" data-id=\"8aff65e\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"836\" height=\"224\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-44-8.png\" class=\"attachment-full size-full wp-image-180021\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-44-8.png 836w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-44-8-300x80.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/Fichier-44-8-768x206.png 768w\" sizes=\"(max-width: 836px) 100vw, 836px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\">Fonctionnement du filtre de kalman pour le suivi d\u2019objets<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c749189 elementor-widget elementor-widget-text-editor\" data-id=\"c749189\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Dans le cas du suivi d\u2019objet, les filtres de kalman sont pratiques pour compenser les d\u00e9faillances du d\u00e9tecteur (voir figure ci-dessus).<\/p><ul><li><strong>T0<\/strong> : Le d\u00e9tecteur r\u00e9alise une premi\u00e8re d\u00e9tection.<\/li><li><strong>T1<\/strong> : Le d\u00e9tecteur r\u00e9alise une seconde d\u00e9tection. A cette \u00e9tape le filtre de kalman s\u2019initialise, c&rsquo;est-\u00e0-dire qu\u2019il met \u00e0 jour le param\u00e8tre de vitesse du ballon : v2.<\/li><li><strong>T2<\/strong> : le filtre de kalman fait une estimation de la position du ballon (rectangle vert), le d\u00e9tecteur fait une d\u00e9tection (rectangle bleu). La d\u00e9tection est utilis\u00e9e par le filtre de kalman pour mettre \u00e0 jour ses param\u00e8tres (v3) : l\u2019\u00e9tape de correction \u00e0 lieu. Le tracker calcule la distance entre les deux rectangles, ils sont suffisamment proches donc le tracker affecte l\u2019identifiant 1 \u00e0 l\u2019objet suivi.<\/li><li><strong>T3<\/strong> : le ballon est cach\u00e9 donc le d\u00e9tecteur ne r\u00e9alise pas de d\u00e9tection. Le filtre de kalman fait l\u2019estimation de la position du ballon. Il n\u2019y a pas d\u2019\u00e9tape de correction. Dans ce cas, on associe l\u2019identifiant 1 \u00e0 l\u2019estim\u00e9 de kalman.<\/li><li><strong>T4<\/strong> : Le filtre de kalman fait l\u2019estimation de la position du ballon sur la base des m\u00eames param\u00e8tres de vitesse qu\u2019\u00e0 l\u2019instant pr\u00e9c\u00e9dent (v3). Le d\u00e9tecteur r\u00e9alise une d\u00e9tection. Ces deux rectangles sont suffisamment proches. On associe les deux et l&rsquo;identifiant 1 est r\u00e9-affect\u00e9 \u00e0 l\u2019objet d\u00e9tect\u00e9.<\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-baa5c3b elementor-widget elementor-widget-heading\" data-id=\"baa5c3b\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Illustration :<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-32171c2 e-flex e-con-boxed e-con\" data-id=\"32171c2\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t<div class=\"elementor-element elementor-element-26c1031 e-con-full e-flex e-con\" data-id=\"26c1031\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-065e777 elementor-widget elementor-widget-image\" data-id=\"065e777\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"648\" height=\"421\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track17.png\" class=\"attachment-full size-full wp-image-179691\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track17.png 648w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track17-300x195.png 300w\" sizes=\"(max-width: 648px) 100vw, 648px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-ac97677 e-con-full e-flex e-con\" data-id=\"ac97677\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-be69fe1 elementor-widget elementor-widget-image\" data-id=\"be69fe1\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"618\" height=\"408\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track18.png\" class=\"attachment-full size-full wp-image-179692\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track18.png 618w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track18-300x198.png 300w\" sizes=\"(max-width: 618px) 100vw, 618px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-e17e58d e-con-full e-flex e-con\" data-id=\"e17e58d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-89c1059 elementor-widget elementor-widget-image\" data-id=\"89c1059\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"583\" height=\"399\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track19.png\" class=\"attachment-full size-full wp-image-179693\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track19.png 583w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track19-300x205.png 300w\" sizes=\"(max-width: 583px) 100vw, 583px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-fed0036 e-con-full e-flex e-con\" data-id=\"fed0036\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-211302d elementor-widget elementor-widget-image\" data-id=\"211302d\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"538\" height=\"402\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track20.png\" class=\"attachment-full size-full wp-image-179694\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track20.png 538w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track20-300x224.png 300w\" sizes=\"(max-width: 538px) 100vw, 538px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-799c589 e-con-full e-flex e-con\" data-id=\"799c589\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d761644 elementor-widget elementor-widget-image\" data-id=\"d761644\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"555\" height=\"380\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track21.png\" class=\"attachment-large size-large wp-image-179695\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track21.png 555w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track21-300x205.png 300w\" sizes=\"(max-width: 555px) 100vw, 555px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-7dd07d2 e-con-full e-flex e-con\" data-id=\"7dd07d2\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;full&quot;}\">\n\t\t\t\t<div class=\"elementor-element elementor-element-09e7a29 elementor-widget elementor-widget-image\" data-id=\"09e7a29\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"614\" height=\"377\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track22.png\" class=\"attachment-large size-large wp-image-179696\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track22.png 614w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track22-300x184.png 300w\" sizes=\"(max-width: 614px) 100vw, 614px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-8e0abdc e-flex e-con-boxed e-con\" data-id=\"8e0abdc\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-989c32e elementor-widget elementor-widget-text-editor\" data-id=\"989c32e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p style=\"text-align: center;\"><em>Fonctionnement du tracker<\/em><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-beca0c8 e-flex e-con-boxed e-con\" data-id=\"beca0c8\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-33213e9 elementor-widget elementor-widget-heading\" data-id=\"33213e9\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">R\u00e9sultats<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-07eab29 elementor-widget elementor-widget-heading\" data-id=\"07eab29\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Mod\u00e8le de d\u00e9tecteur retenu : <\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1a3b9bd elementor-widget elementor-widget-text-editor\" data-id=\"1a3b9bd\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Le mod\u00e8le de d\u00e9tection retenu est le <strong>mod\u00e8le YOLO V5<\/strong> small entra\u00een\u00e9 \u00e0 1280*1280 pixels. Ce choix a \u00e9t\u00e9 d\u00e9cid\u00e9 de par les performances (mAP) et de vitesse d\u2019inf\u00e9rence offertes par le mod\u00e8le : mAP = 0,832 &amp; vitesse d\u2019inf\u00e9rence = 30,8ms soit une capacit\u00e9 de traitement de 32,46 fps (<a href=\"https:\/\/datascientest.com\/gpu-data-science\">GPU<\/a> TESLA T4).<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cc62514 elementor-widget elementor-widget-heading\" data-id=\"cc62514\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Tracker : <\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-aa0eab7 elementor-widget elementor-widget-text-editor\" data-id=\"aa0eab7\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>On constate que le tracker fonctionne tr\u00e8s bien lorsque :<\/p><ul><li>Les vid\u00e9os en entr\u00e9e sont de <strong>bonne qualit\u00e9<\/strong>.<\/li><li>Les ballons de foot sont d\u2019<strong>une taille suffisamment grande<\/strong> (varie en fonction du d\u00e9tecteur), lorsqu&rsquo;ils sont trop petits, notre d\u00e9tecteur n\u2019arrive pas \u00e0 faire les d\u00e9tections.<\/li><li>Ils ne bougent pas trop rapidement et ne sont pas d\u00e9form\u00e9s.<\/li><li>Il n\u2019y a <strong>pas de changement brusque dans la trajectoire<\/strong> du ballon.<\/li><\/ul><p>En effet, lorsqu&rsquo;elles sont trop petites, notre d\u00e9tecteur n\u2019arrive pas \u00e0 faire les d\u00e9tections. Et lorsque les balles bougent trop rapidement, l\u2019aspect du ballon est trop d\u00e9form\u00e9 pour que le d\u00e9tecteur r\u00e9ussisse \u00e0 d\u00e9tecter le ballon.<\/p><p>Lorsque le ballon change brusquement de direction : les d\u00e9tections et les estimations du <strong>filtre de kalman<\/strong> diverge l\u2019une de l\u2019autre : les associations ne se font plus.<\/p><p>Il faut aussi que les vid\u00e9os soient en haute d\u00e9finition pour que le d\u00e9tecteur fonctionne correctement.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4dd4937 elementor-widget elementor-widget-heading\" data-id=\"4dd4937\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Cas id\u00e9al :<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-27e2b6b elementor-widget elementor-widget-image\" data-id=\"27e2b6b\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"596\" height=\"336\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track1.gif\" class=\"attachment-full size-full wp-image-179749\" alt=\"\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-cffe00f elementor-widget elementor-widget-heading\" data-id=\"cffe00f\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Cas limite de d\u00e9formation<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-eac62e1 elementor-widget elementor-widget-image\" data-id=\"eac62e1\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"600\" height=\"338\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track2.gif\" class=\"attachment-large size-large wp-image-179750\" alt=\"\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f1b00e6 elementor-widget elementor-widget-heading\" data-id=\"f1b00e6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-default\">Cas limite : changement brusque de la trajectoire du ballon<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b79d06d elementor-widget elementor-widget-image\" data-id=\"b79d06d\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"209\" height=\"161\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track3.gif\" class=\"attachment-full size-full wp-image-179751\" alt=\"\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-11751e5 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"11751e5\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Se lancer dans la formation de Data Scientist<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-28f8968 e-flex e-con-boxed e-con\" data-id=\"28f8968\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-9b2af3c elementor-widget elementor-widget-heading\" data-id=\"9b2af3c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">C- Limites<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ab85b41 elementor-widget elementor-widget-text-editor\" data-id=\"ab85b41\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Nous avons identifi\u00e9s plusieurs limites, les principales sont :<\/p><ul><li>Le d\u00e9tecteur n\u2019est pas assez robuste :<ul><li>On constate qualitativement que les objets de petite taille ne sont pas assez bien d\u00e9tect\u00e9s. Dans cet exemple, le d\u00e9tecteur indique le point de penalty et non le ballon de football.<\/li><\/ul><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9666e8e elementor-widget elementor-widget-image\" data-id=\"9666e8e\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"750\" height=\"477\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track23.png\" class=\"attachment-full size-full wp-image-179706\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track23.png 750w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track23-300x191.png 300w\" sizes=\"(max-width: 750px) 100vw, 750px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c91b0ed elementor-widget elementor-widget-text-editor\" data-id=\"c91b0ed\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li style=\"list-style-type: none;\"><ul><li>On constate que le d\u00e9tecteur ne d\u00e9tecte pas les ballons lorsqu\u2019ils sont d\u00e9form\u00e9s suite \u00e0 une forte frappe.<\/li><\/ul><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-09064a4 elementor-widget elementor-widget-image\" data-id=\"09064a4\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"586\" height=\"407\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track24.png\" class=\"attachment-full size-full wp-image-179707\" alt=\"\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track24.png 586w, https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track24-300x208.png 300w\" sizes=\"(max-width: 586px) 100vw, 586px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-a3672bd elementor-widget elementor-widget-text-editor\" data-id=\"a3672bd\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<ul><li>Le tracker n\u2019est pas assez performant : il y a de nombreux objets et joueurs en mouvement dans plusieurs directions avec des vitesses diff\u00e9rentes et des trajectoires difficilement pr\u00e9dictibles en utilisant l\u2019hypoth\u00e8se d\u2019un mouvement \u00e0 vitesse constante.<\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8356496 elementor-widget elementor-widget-image\" data-id=\"8356496\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1080\" height=\"520\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/ball-track4.gif\" class=\"attachment-full size-full wp-image-179758\" alt=\"\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-d756eb7 e-flex e-con-boxed e-con\" data-id=\"d756eb7\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-7cd4356 elementor-widget elementor-widget-heading\" data-id=\"7cd4356\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">D- Axes d'am\u00e9lioration<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-d2f1459 elementor-widget elementor-widget-text-editor\" data-id=\"d2f1459\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Si nous avions eu plus de temps pour mener le projet lors de la formation, nous aurions r\u00e9it\u00e9r\u00e9 en r\u00e9alisant les \u00e9tapes suivantes :<\/p><ul><li>Enrichissement de la base de donn\u00e9es avec des images \u00e0 plus forte r\u00e9solution, contenant des objets de petite taille et des objets en mouvement.<\/li><li>Utilisation d\u2019un r\u00e9seau YOLO plus large.<\/li><li>Mise en \u0153uvre d\u2019une architecture RNN et entra\u00eenement sur des s\u00e9quences vid\u00e9os labellis\u00e9es.<\/li><li>Mise en \u0153uvre de l&rsquo;algorithme de tracking plus sophistiqu\u00e9 (ex : DeepSORT).<\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-97faf55 e-flex e-con-boxed e-con\" data-id=\"97faf55\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-bec6a90 elementor-widget elementor-widget-heading\" data-id=\"bec6a90\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">E- Conclusion<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0b3dd37 elementor-widget elementor-widget-text-editor\" data-id=\"0b3dd37\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><strong>Pour la partie d\u00e9tection :<\/strong><\/p><p>On peut consid\u00e9rer que l\u2019objectif est atteint, on a retenu un mod\u00e8le qui arrive plut\u00f4t bien \u00e0 d\u00e9tecter les ballons de football, mais qui peut encore \u00eatre am\u00e9lior\u00e9.<\/p><p><strong>Pour la partie Tracking :<\/strong><\/p><p>Le tracker que nous avons utilis\u00e9 r\u00e9pond bien \u00e0 la probl\u00e9matique du single object tracking dans le cas o\u00f9 l\u2019objet suivi n\u2019est pas trop petit, dans la mesure o\u00f9 il permet de compenser lorsque notre d\u00e9tecteur est en d\u00e9faillance sur quelques frames.<\/p><p>Son grand avantage est la faible complexit\u00e9 algorithmique qui allonge tr\u00e8s peu le processus de traitement d\u2019une vid\u00e9o (versus d\u00e9tecteur seul).<\/p><p>Sa faiblesse est sa robustesse : il ne permet pas de compenser le d\u00e9tecteur lorsque la p\u00e9riode de d\u00e9faillance est longue. Par exemple, lorsqu&rsquo;un joueur tape avec puissance dans un ballon, la vitesse et la d\u00e9formation du ballon rend impossible le tracking<\/p><p>Nous n\u2019avons pas essay\u00e9 de mettre en \u0153uvre un tracker bas\u00e9 sur une technologie de deep learning, je pense notamment \u00e0 <strong>DeepSORT<\/strong>. Cela aurait pu \u00eatre une solution.<\/p><p><strong>Le mot de la fin :<\/strong><\/p><p>Ce projet pratique vient d\u00e9montrer que l\u2019on peut aboutir \u00e0 des r\u00e9sultats concrets sur un sujet de Machine Learning en mettant en \u0153uvre les notions \u00e9tudi\u00e9es au cours du cursus Data Science chez DataScientest tout en partant d\u2019un niveau d\u00e9butant.<\/p><p>Nous souhaitions remercier tous les intervenants de chez DataScientest pour la qualit\u00e9 des cours dispens\u00e9s. Nous souhaitons remercier particuli\u00e8rement notre responsable de projet Thomas BOEHLER pour sa disponibilit\u00e9 et ses conseils pertinents.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b15d788 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"b15d788\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir les formations DataScientest<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-965f252 e-flex e-con-boxed e-con\" data-id=\"965f252\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-8ffc7a8 elementor-widget elementor-widget-html\" data-id=\"8ffc7a8\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"A quoi sert l'algorithme YOLO simplifi\u00e9 ?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"L\u2019algorithme est connu pour sa rapidit\u00e9 et sa pr\u00e9cision. Il permet de pr\u00e9dire en temps r\u00e9el une multitude de boundings boxes par image. L'id\u00e9e du d\u00e9tecteur YOLO (You Only Look Once) est d\u2019ex\u00e9cuter l'image sur un mod\u00e8le CNN et obtenir en sortie la d\u00e9tection en un seul passage.\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"Qu'est ce que le filtre de Kalman ?\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Le filtre de kalman est un algorithme de traitement de donn\u00e9es r\u00e9cursif qui estime l\u2019\u00e9tat d\u2019un objet \u00e0 l\u2019aide de mesure (les d\u00e9tections du d\u00e9tecteur).\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>A- Contexte Cadre : Ce projet a \u00e9t\u00e9 r\u00e9alis\u00e9 dans le cadre de la formation de Data Scientist chez DataScientest, au sein de la promotion octobre 2021. Il s\u2019agit du projet \u201cfil rouge\u201d qui permet de mettre en pratique une partie des notions qui sont apprises lors des modules. Le but de ce projet&nbsp; est [&hellip;]<\/p>\n","protected":false},"author":45,"featured_media":180025,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2431],"tags":[2482],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Projet \u201cBall Tracking\u201d\u00a0: Quand le football et la data science se rejoignent<\/title>\n<meta name=\"description\" content=\"Ce projet a \u00e9t\u00e9 r\u00e9alis\u00e9 dans le cadre de la formation de Data Scientist chez DataScientest, au sein de la promotion octobre 2021. Il s&#039;agit du projet &quot;fil rouge&quot; qui permet de mettre en pratique une partie des notions qui sont apprises lors des modules.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/projet-ball-tracking\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Projet \u201cBall Tracking\u201d\u00a0: Quand le football et la data science se rejoignent\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/projet-ball-tracking\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2022-11-07T10:02:17+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-29T16:00:22+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/football-gc4438b2db_1280.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"1280\" \/>\n\t<meta property=\"og:image:height\" content=\"853\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Daniel\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Daniel\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"21 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/projet-ball-tracking\",\"url\":\"https:\/\/datascientest.com\/projet-ball-tracking\",\"name\":\"Projet \u201cBall Tracking\u201d\u00a0: Quand le football et la data science se rejoignent\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2022-11-07T10:02:17+00:00\",\"dateModified\":\"2023-10-29T16:00:22+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0\"},\"description\":\"Ce projet a \u00e9t\u00e9 r\u00e9alis\u00e9 dans le cadre de la formation de Data Scientist chez DataScientest, au sein de la promotion octobre 2021. Il s'agit du projet \\\"fil rouge\\\" qui permet de mettre en pratique une partie des notions qui sont apprises lors des modules.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/projet-ball-tracking\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0\",\"name\":\"Daniel\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/10\/dst.svg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/10\/dst.svg\",\"caption\":\"Daniel\"},\"sameAs\":[\"https:\/\/www.linkedin.com\/school\/datascientest\/\",\"user\"],\"jobTitle\":\"ing\u00e9nieur logiciel\",\"worksFor\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/author\/team-redac\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Projet \u201cBall Tracking\u201d\u00a0: Quand le football et la data science se rejoignent","description":"Ce projet a \u00e9t\u00e9 r\u00e9alis\u00e9 dans le cadre de la formation de Data Scientist chez DataScientest, au sein de la promotion octobre 2021. Il s'agit du projet \"fil rouge\" qui permet de mettre en pratique une partie des notions qui sont apprises lors des modules.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/projet-ball-tracking","og_locale":"fr_FR","og_type":"article","og_title":"Projet \u201cBall Tracking\u201d\u00a0: Quand le football et la data science se rejoignent","og_url":"https:\/\/datascientest.com\/projet-ball-tracking","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2022-11-07T10:02:17+00:00","article_modified_time":"2023-10-29T16:00:22+00:00","og_image":[{"width":1280,"height":853,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2022\/11\/football-gc4438b2db_1280.jpg","type":"image\/jpeg"}],"author":"Daniel","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"Daniel","Dur\u00e9e de lecture estim\u00e9e":"21 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/projet-ball-tracking","url":"https:\/\/datascientest.com\/projet-ball-tracking","name":"Projet \u201cBall Tracking\u201d\u00a0: Quand le football et la data science se rejoignent","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2022-11-07T10:02:17+00:00","dateModified":"2023-10-29T16:00:22+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0"},"description":"Ce projet a \u00e9t\u00e9 r\u00e9alis\u00e9 dans le cadre de la formation de Data Scientist chez DataScientest, au sein de la promotion octobre 2021. Il s'agit du projet \"fil rouge\" qui permet de mettre en pratique une partie des notions qui sont apprises lors des modules.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/projet-ball-tracking"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/5a86e30c5090234fb43dd8baa83c44b0","name":"Daniel","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/10\/dst.svg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/10\/dst.svg","caption":"Daniel"},"sameAs":["https:\/\/www.linkedin.com\/school\/datascientest\/","user"],"jobTitle":"ing\u00e9nieur logiciel","worksFor":"DataScientest","url":"https:\/\/datascientest.com\/author\/team-redac"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/179587"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/45"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=179587"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/179587\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/180025"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=179587"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=179587"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=179587"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}