Computer Vision Appliqué — Détection d'Objets avec YOLO et OpenCV
Construisez des systèmes de vision par ordinateur pour la santé : détection de cellules, comptage d'équipements, analyse d'images médicales. YOLOv8, OpenCV, entraînement de modèles personnalisés et déploiement mobile.
- Format : Hybride
- Durée : 35 heures
- Niveau avancé
- Certificat inclus
- Langue : Français
Présentation
La vision par ordinateur transforme le diagnostic médical : détection de parasites sur frottis, comptage de globules, analyse de radiographies, surveillance d'équipements hospitaliers. Cette formation vous forme à construire ces systèmes depuis la collecte des données jusqu'au déploiement.
Vous maîtriserez OpenCV pour le traitement d'images, YOLOv8 pour la détection et segmentation d'objets, Roboflow pour l'annotation et l'augmentation de données, et le déploiement de modèles sur Android (TFLite) et Raspberry Pi. Chaque module s'appuie sur un cas d'usage médical africain réel.
Objectifs
- Maîtriser OpenCV pour le traitement et l'augmentation d'images médicales
- Annoter des datasets médicaux avec Roboflow
- Entraîner des modèles YOLOv8 de détection et segmentation sur mesure
- Évaluer la performance (mAP, précision, rappel) en contexte médical
- Déployer des modèles sur mobile (TFLite) et Raspberry Pi
- Construire une application de détection temps réel avec une webcam
Public concerné
- Data scientists spécialisés en santé
- Chercheurs en imagerie médicale
- Ingénieurs biomédicaux développant des outils de diagnostic
- Développeurs IA construisant des applications de vision médicale
Programme
4 modules, 16 leçons.
Module 1 : Introduction et fondamentaux
- Présentation du programme 32 min
- Concepts de base 25 min
- Environnement de travail 50 min
- Ressources et bibliographie 29 min
Module 2 : Mise en pratique
- Exercice guidé 1 38 min
- Exercice guidé 2 57 min
- Cas pratique 58 min
- Quiz de validation 55 min
Module 3 : Approfondissement
- Techniques avancées 21 min
- Études de cas réels 45 min
- Projet pratique 40 min
- Correction et feedback 59 min
Module 4 : Évaluation et certification
- Révision générale 26 min
- Examen final 53 min
- Présentation des résultats 49 min
- Remise des certificats 56 min
Prérequis
- Python intermédiaire (numpy, pandas)
- Avoir suivi notre formation Machine Learning ou équivalent
- GPU Google Colab Pro suffisant