Bilan et limites

Ce que ce module a démontré

Détection ≠ classification : localiser un nombre variable d’objets et les nommer est un problème structurellement différent de la classification d’image entière.
Le transfer learning fonctionne même sur un domaine totalement absent du pré-entraînement : un backbone entraîné sur des photos naturelles (COCO) se réutilise avec succès sur des formes géométriques synthétiques, à condition de n’adapter que la tête de classification.
Geler un backbone réduit drastiquement le besoin en données (200 images) et en temps de calcul (moins d’une minute sur CPU), tout en évitant de dégrader une capacité de localisation déjà acquise.
Le mAP, pas l’accuracy, est la métrique adaptée à un problème où le nombre d’objets par image varie.

Données synthétiques, pas des photos réelles : ce choix a été fait délibérément pour ce projet, afin d’obtenir un pipeline rapide et reproductible sans dépendance externe fragile. La même architecture (Faster R-CNN allégé, tête remplacée, backbone gelé) s’applique cependant à l’identique sur un jeu de données réel — seule la fonction de génération de données changerait.
Aucune data augmentation : les rotations, retournements ou distorsions photométriques amélioreraient probablement la robustesse du modèle à des variations non vues pendant l’entraînement.
Un entraînement court (3 epochs, 200 images) : suffisant pour démontrer le principe, mais un système de production s’entraînerait sur davantage de données et d’epochs, idéalement sur GPU.
Aucune classe « inconnue » : le modèle attribue toujours l’une des 4 classes apprises, même face à un objet qu’il n’a jamais vu — une limite structurelle de ce type de détecteur, qu’un système de production devrait traiter explicitement (par un seuil de confiance minimal, ou une classe de rejet dédiée).

Junior TSAFACK – 12/09/2026