Modules d’Intelligence Artificielle de IPSDK Explorer pour la Classification d’objets

En complément des solutions traditionnelles d’analyse et de traitement d’images, IPSDK propose également des solutions d’intelligence artificielle (IA).

IPSDK met à disposition deux modules innovants et révolutionnaires de Smart Segmentation et de Smart Classification basés sur les techniques d‘apprentissage (Machine Learning). Bien que technologiquement très évolués, ces nouveaux outils ont été conçus pour être facilement utilisés par tous les utilisateurs d’IPSDK, même novices.

De plus, IPSDK offre la possibilité de générer les modèles par apprentissage dans l’interface graphique IPSDK Explorer à l’aide d’outils interactifs simples à prendre en main. Ces modèles peuvent ensuite être utilisés dans l’interface ou dans des scripts pour traiter très rapidement de grandes quantités d’images.

 

En bref…

– Outil innovant et révolutionnaire d‘apprentissage

– Rapide et convivial

– Visualisation immédiate des résultats de l’apprentissage

 

– Smart Classification : classification d’objets

– Algorithme de Random Forest

– Utilisable en 2D et en 3D

SMART Classification : Classification d’objects

La smart classification intervient afin de classer automatiquement des objets segmentés.

Après une étape d’apprentissage rapide et conviviale de classification assistée de certains labels ou objets effectuée par l’utilisateur, l’outil de Machine Learning permet de définir rapidement et automatiquement les règles de classification des objets d’une série d’images en s’appuyant sur les mesures discriminantes.

ReactivIPDeep Learning Smart Classification

Comment utiliser la SMART Classification dans IPSDK Explorer ?

Présentation du module de Machine Learning SMART Classification disponible dans le logiciel IPSDK.

Cette vidéo présente comment construire un modèle à l’aide de l’outil interactif d’apprentissage afin de classer automatiquement et simplement des objets labellisés.
Pour ce faire, l’algorithme basé sur des techniques de Random Forest identifie les mesures discriminantes à utiliser pour classer les objets en fonction de l’apprentissage proposé par l’utilisateur.