Projet réalisé dans le cadre de l’UE Introduction à l’Intelligence Artificielle.
L’objectif est d’entraîner un réseau de neurones convolutifs (CNN) pour classer des images issues de l’application QuickDraw, réparties en 10 classes avec un total de 60 000 images.
Le notebook principal est CNN-Classification_images.ipynb, accompagné d’un rapport détaillé.
Ce mini-projet a pour objectif d'entraîner un modèle de classification d'images à partir des données de l'application QuickDraw (lien : https://quickdraw.withgoogle.com/data).
Nous avons sélectionné 10 catégories et utilisé un jeu de 60 000 images. Le réseau de neurones est implémenté en TensorFlow/Keras et accompagné de fonctions graphiques pour analyser les résultats (courbes d’apprentissage, matrices de confusion).
Ce dépôt contient le notebook, le rapport et le code associé pour une meilleure compréhension.
This mini-project, conducted as part of the Introduction to Artificial Intelligence course, aims to train an image classification model using data from the QuickDraw application.
We selected 10 categories with a dataset of 60,000 images. The convolutional neural network is implemented using TensorFlow/Keras, with additional visualization functions for analyzing results (training curves, confusion matrices).
This repository includes the notebook, the report, and the associated code for better understanding.
- Prétraitement des données (mise à l’échelle, encodage one-hot)
- Visualisation d’échantillons par classe
- Deux architectures CNN comparées (model_1 et model_2)
- Entraînement sur 20 époques avec callbacks (early stopping, batch normalization, dropout)
- Analyse des performances et matrices de confusion
├── CNN-Classification_images.ipynb # Notebook principal
├── rapport.pdf # Rapport associé
├── requirements.txt # Dépendances
└── README.md