Je suis actuellement en charge de la conception d’un modèle de segmentation d’images au sein de l’équipe R&D de Future Vision Transport, une entreprise qui développe des systèmes embarqués de vision par ordinateur pour les véhicules autonomes. Mon rôle s’inscrit dans la troisième étape de notre système embarqué, juste après le traitement des images et avant le système de décision.
Lors d’une première phase de cadrage, j’ai consulté Franck, qui gère le traitement des images, et Laura, responsable du système de décision. Franck m’a fourni le jeu de données sur lequel je vais travailler, en précisant que nous devons nous concentrer sur 8 catégories principales. Laura, de son côté, a exprimé le besoin d’une API simple, capable de prendre en entrée une image et de renvoyer un masque de segmentation.
Mon plan d’action pour ce projet est le suivant :
Entraîner un modèle de segmentation d’images sur les 8 catégories principales, en utilisant Keras, qui est notre framework de travail commun. Je devrai veiller à respecter les contraintes techniques de Franck pour assurer une intégration fluide avec le bloc de traitement des images.
Concevoir une API de prédiction, en utilisant Flask ou FastAPI, qui sera utilisée par Laura. Cette API devra être déployée sur le Cloud (Azure, Heroku, PythonAnywhere, ou toute autre solution adaptée) et devra être capable de prendre en entrée une image et de renvoyer les segments prédits.
Développer une application web (en Flask ou Streamlit) pour tester l’API et présenter les résultats. Cette application permettra d’afficher les images originales ainsi que les masques prédits par le modèle, et sera également déployée sur le Cloud.
Mon objectif est de créer un modèle de segmentation qui s’intègre parfaitement dans notre chaîne complète de vision par ordinateur, tout en répondant aux besoins spécifiques de mes collègues Franck et Laura. Je suis impatient de voir comment ce projet contribuera à l’évolution de nos systèmes embarqués pour les véhicules autonomes.
