REX - LES STRATEGIES D'ANNOTATION D'IMAGES AU COEUR DES PERFORMANCES DES ALGORITHMES DE COMPUTER VISION

Présentation de l’intervenant
Ce retour d’expérience a été présenté par Arnaud Caplier, fondateur de TheContillery et conseil en IA sur l'image.

Introduction
L'annotation est une étape cruciale pour la précision, l'efficacité et la performance des systèmes de Computer Vision. Trop souvent sous-estimée dans les projets d’apprentissage, l’annotation peut souvent poser problème lorsqu’elle n’est pas effectuée correctement en suivant un processus très concret qu' Arnaud nous a illustré durant ce retour d’expérience. 

Synthèse du retour d’expérience
Voici les différents thèmes qu’Arnaud a abordés durant son retour d’expérience :
- Importance de la clarification des objectifs métiers visés et choix des indicateurs de mesure de performance
- Association des compétences clefs et choix organisationnels (internalisation ou externalisation, localisation, collaboration entre ingénieurs et annotateurs, ... )
- Qualité, représentativité et pertinence des corpus d’apprentissage
- Création des taxonomies
- Consistance de l'annotation
- Choix technologiques (open-world classification, pré-annotation, data augmentation)
- Contrôle de la qualité et mesure de performance (précision et pertinence)

Conclusion
Ce retour d’expérience sur la nécessité d’avoir une stratégie d’annotation des images claire et adaptée aux besoins du métier, à travers l’exemple de son projet d’intelligence créative. Il a su nous présenter les différents problèmes auxquels lui et son équipe ont été confrontés dans le cadre de la labellisation des plusieurs centaines de milliers d’images du milieu du marketing de la beauté. Enfin, il nous a montré les différentes étapes d’annotation qu’il a suivies durant son projet. 

Si ce sujet vous intéresse, n’hésitez pas à regarder la rediffusion de ce retour d’expérience sur notre chaîne Youtube.