Computer Vision
avec Deep Learning.

Convolutions, pooling, activation et structure d’un CNN.

Création d’un premier modèle de classification d’images.

Architectures classiques (VGG, ResNet) et Transfer Learning.

Augmentation de données et optimisation des modèles.

Concepts de détection, modèles YOLOv8 et SSD.

Entraînement et évaluation de détecteurs d’objets.

Segmentation sémantique et instance (U-Net, Mask R-CNN).

Reconnaissance faciale, OCR et cas d’usage industriels.

Projet complet de Computer Vision (classification, détection ou segmentation).

Présentation, feedback expert et introduction au déploiement.