Pas le temps de lire l'article ? Voici ce qu'il faut retenir.
Nathan Sornet partage son expérience sur la construction d'un pipeline d'analyse vidéo pour le rugby avec YOLO et DeepFace.
1
Détection des joueurs — Nathan Sornet a testé YOLOv5, YOLOv8, puis YOLOv11 pour la détection des joueurs.
2
Choix du modèle — Le modèle bien intégré, maintenu et documenté bat un modèle plus précis mais inutilisable en pratique.
3
Fine-tuning — Nathan Sornet a tenté un fine-tuning de YOLOv11-large sur 1 800 images annotées spécifiques.
💡
Pourquoi c'est important : Ce retour d'expérience peut aider les développeurs à comprendre les défis et les choix techniques pour construire un pipeline de computer vision de bout en bout.
Toute l'actu IA résumée en 30 secondes
