Détecteur d’objets avec Faster R-CNN (PyTorch)
Ce projet permet de détecter automatiquement des objets dans une image ou une vidéo, en utilisant le modèle Faster R-CNN préentraîné sur le jeu de données COCO (91 classes d’objets : personne, voiture, chien, etc.).
Il affiche les objets détectés avec un cadre rouge et une étiquette contenant le nom et le score de confiance.
Fonctionnalités • Détection d’objets sur images (.jpg, .png, etc.) • Détection sur vidéos (.mp4, .avi, .mov) • Utilisation du modèle Faster R-CNN ResNet50 FPN préentraîné • Enregistrement automatique du résultat • Affichage en temps réel sur les vidéos
Installation
Cloner le projet :
cd projet_detection_navires
Créer un environnement virtuel : python -m venv venv source venv/bin/activate # macOS/Linux venv\Scripts\activate # Windows (activer l'environnement virtuel)
Installer les dépendances : pip install torch torchvision torchaudio opencv-python pillow matplotlib numpy Utilisation Détection sur une image : python detecteur.py image.jpg Détection sur une vidéo : python detecteur.py video.mp4 Fonctionnement interne
- Le script charge le modèle Faster R-CNN préentraîné sur COCO.
- L’image (ou la vidéo) est convertie en tenseur PyTorch.
- Le modèle renvoie les boîtes, scores et labels.
- Les objets avec un score > 0.5 sont affichés avec un rectangle rouge et une étiquette .
Projet écrit et commenté par Jorge Andre Castro. Licence Ce projet utilise le modèle Faster R-CNN ResNet50 FPN de PyTorch (licence MIT). Le code est libre d’utilisation à des fins éducatives et expérimentales.