Bravo JM !
Comment ce fait-il qu’il y ait juste un rond rouge au milieu plutôt que toute la plante couverte par un maque rouge ? C’est du post-traitement ?
Merci Benoit et Kaspar! Le rond rouge est la sortie directe du modèle : l’objectif est de déterminer l’emplacement du pied et non la plante entière. Ce n’est donc pas vraiment de la segmentation même si les techniques utilisées sont les mêmes.
Je suis intéressé si tu pouvais nous parler de recommandation! (j’espère avoir le temps de voir le cours 4 avant vendredi soir)
Tu veux dire que tu n’as labellisé que les pieds ? Comme si tu n’avais labellisé que les roues pour détecter des voitures ?
C’est une super idée je trouve, ça fait gagner beaucoup de temps de labellisation !!!
J’ai entrainé ULMFit pour avoir un modèle de langage français et je l’ai appliqué à des tâches de classifications.
Vous pouvez voir les résultats sur ce thread: ULMFiT - French
Les résultats sont très prometteurs.
Avec la dernière version de fastai, c’est devenu très simple de le mettre en œuvre. Ça demandait plus de travail sur les versions précédentes.
Il faut quand même prévoir un bon temps d’entraînement du modèle de langage avec un GPU performant (~10/20h minimum avec une 1080ti).
Par contre, une fois que le modèle de langage est entraîné, c’est très rapide de s’en servir pour entraîner un modèle de classification.
Je vais d’ailleurs publier les poids du modèle, ça permettra de s’en servir comme base, pour faire comme dans le dernier cours (sans devoir tout ré-entraîner sur un gros corpus de texte).
super donc on dirait que 1-2 semaines suffit pour fair quelque chose d’interessent ?
Je pense de traite le corpus de text danois (il fait 600 mb). je pense que le corpus francais fait 50% de plus.
Est-ce que tu viens au hangout ce soir a 21 heur (zone paris) ?