L'annotation d'images ou de vidéos est la deuxième étape dans la création d'un réseau de neurones d’analyse agronomique. Elle intervient après avoir constitué une banque d'images suffisamment conséquente qui sera par la suite soumise au réseau de neurones en vue de son entraînement.
Étapes de création d'un réseau de neurones
#1 L'annotation : une étape fondamentale dans l'apprentissage du réseau de neurones
Pour qu'un réseau de neurones puisse apprendre à détecter les situations attendues, il est important de lui présenter des images (données) variées qui représentent toutes les situations d'intérêt qu'il rencontrera en pratique.
Les annotations sur une image ou vidéo sont réalisées selon 3 techniques qui dépendent du type de résultat attendu (de la plus simple à la plus détaillée)
- La classification :
Simple étiquette qui caractérise l'objet (ex. feuille - vache - pomme...) - La détection :
Apporte plus de précision sur plusieurs objets dans l'image (ex. porcs couchés sur le côté - vaches à l'auge en train de ruminer...) - La segmentation :
Détaille précisément les contours d'un ou plusieurs objets. (ex. Contour des feuilles d'une plante pour distinguer les adventices dans un champ de haricots)
Les différents types d'annotations
💡 Vous souhaitez approfondir vos connaissances sur la conception d'un réseau de neurones ? Ça tombe bien, nous avons rédigé un article sur le sujet : Combien de temps faut-il pour entraîner un réseau de neurones ?
#2 Annoter des images : une mission longue et fastidieuse
Les performances d'un réseau de neurones dépendent de la qualité des annotations et du volume d'images qui lui seront soumises.
La démarche impose une certaine rigueur. C'est un travail qui demande du temps car il est réalisé par un opérateur humain.
Dilepix a fait le choix de ne pas sous-traiter cette mission pour s'assurer de la qualité des données et garantir les meilleures performances possibles. Cette démarche est donc réalisée en interne par notre équipe.
La personne en charge de cette mission chronophage, c'est Killian ! 👉 Retrouvez son interview TeamViz à la fin de cet article.
#3 L'annotation d'images ou vidéos, ça se passe comment ?
Comme évoqué précédemment, vous savez désormais que cette phase d'annotation (Utilisée pour "l'apprentissage supervisé") est réalisée sur des données qui contiennent les situations d'intérêt que le réseau de neurones devra détecter de façon autonome.
💡 Pour mieux comprendre ce processus d'apprentissage supervisé, nous vous conseillons notre article Apprentissage supervisé en agriculture : les caméras ne détectent QUE les animaux.
🤔 Mais concrètement comment réalise-t-on des annotations ?
Dilepix a développé son propre outil d'annotation. L'opérateur, appuyé d'experts agronomes ou vétérinaires, identifie dans les images la ou les situations d'intérêt par une boîte englobante (bounding box) ou un détourage précis des contours (d'un fruit par exemple).
Une fois préparées, ces données sont stockées dans une base de données interne en attendant d'être soumises au réseau de neurones.
✅ A noter :
Plusieurs centaines d'images sont nécessaires pour débuter l'entraînement d'un réseau de neurones :
- 60% de ces données seront réservées à l'entraînement
- 20% à la validation
- 20% aux tests
Au final, pour développer une solution d'analyse d'images en agriculture, l'entraînement d'un réseau de neurones aura nécessité plusieurs milliers d'images !
Photo : Killian annote des images de bovins qui serviront par la suite à entraîner un réseau de neurones qui détectera automatiquement l'activité des vaches
#4 Les annotations, c'est Killian qui en parle le mieux
Killian nous a rejoint en tant qu'annotateur. Son rôle consiste à préparer les données nécessaires à l'entraînement des réseaux de neurones.
Dans ce 6e numéro de TeamViz, il nous en dit plus sur son poste et son ressenti sur Dilepix
▶️ Pour visionner son interview, c'est par ici 👇👇
