Reconnaissance d'objets du quotidien en temps réel

Projet final — Frameworks Deep Learning (EIDAL), ESGI 4ᵉ année.

Système de reconnaissance visuelle temps réel (webcam) identifiant mes objets personnels via Transfer Learning (MobileNetV2) + Fine-Tuning.

Objets reconnus

Classe	Description
mes_airpods	Mes AirPods (gravure « CK »)
mon_iphone	Mon iPhone avec ma coque
ma_montre	Ma montre (cadran analogique, bracelet métal)
fond_autre	Arrière-plan vide + objets « intrus » (pas les miens)

Structure du projet

.
├── 00_test_webcam.py        # Vérifie l'accès à la webcam
├── 01_collecte_donnees.py   # Capture les photos du dataset
├── 02_entrainement.py       # Transfer Learning (à venir)
├── 03_finetuning.py         # Fine-Tuning (à venir)
├── 04_demo_temps_reel.py    # Démo webcam (à venir)
├── dataset/                 # Photos par classe
├── models/                  # Modèles sauvegardés (.keras)
├── logs/                    # Logs TensorBoard
├── rapport/                 # Rapport PDF
└── JOURNAL.md               # Journal d'expérimentation

Environnement

conda activate tf_cpu

Dépendances : TensorFlow 2.21, OpenCV, NumPy, Pandas, Matplotlib, TensorBoard, scikit-learn.

Utilisation

python 00_test_webcam.py        # tester la webcam
python 01_collecte_donnees.py   # collecter le dataset