Segmentation sémantique
Modèles & architecturesTechnique qui identifie et classe chaque pixel d'une image selon son sens.
Explication
La segmentation sémantique est une méthode utilisée en vision par ordinateur pour analyser une image et attribuer une étiquette à chaque pixel, en fonction de l'objet ou de la région à laquelle il appartient. Contrairement à la détection d'objets qui encadre simplement les éléments, elle permet de distinguer précisément les contours et les zones d'une image, comme séparer une route d'un trottoir ou un arbre d'un bâtiment dans une photo de rue.
Cette approche est particulièrement utile pour des tâches où la précision des limites est cruciale, comme en imagerie médicale pour identifier des tissus anormaux, ou en conduite autonome pour différencier les éléments de la route. Elle repose souvent sur des modèles d'apprentissage profond, entraînés sur de grandes bases de données d'images annotées.
Par exemple, dans une image de paysage urbain, la segmentation sémantique peut colorier chaque pixel en fonction de sa catégorie : vert pour la végétation, gris pour les bâtiments, bleu pour le ciel, etc. Cela permet à un outil IA de comprendre la scène de manière fine et structurée.
Cas d'usage
- ✓Identifier les zones de végétation, de route et de bâtiments sur une photo aérienne pour l'urbanisme
- ✓Détecter des anomalies dans des images médicales comme des tumeurs ou des lésions
- ✓Automatiser l'analyse de paysages pour des applications agricoles ou environnementales
- ✓Améliorer la précision des systèmes de conduite autonome en distinguant les éléments de la route
- ✓Segmenter des objets dans des vidéos pour des effets spéciaux ou des analyses visuelles