{"id":47126,"date":"2026-02-23T13:04:21","date_gmt":"2026-02-23T12:04:21","guid":{"rendered":"https:\/\/www.sea.ai\/?p=47126"},"modified":"2026-04-03T08:29:15","modified_gmt":"2026-04-03T07:29:15","slug":"detection-objets-maritime-ia","status":"publish","type":"post","link":"https:\/\/www.sea.ai\/fr\/detection-objets-maritime-ia\/","title":{"rendered":"Qu’est-ce que la d\u00e9tection d’objets maritimes par l’IA ?"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La d\u00e9tection d’objets est l’un des probl\u00e8mes les plus fondamentaux et les plus difficiles \u00e0 r\u00e9soudre dans le domaine de la vision par ordinateur<\/a>. Il s’agit d’identifier et de localiser des instances de classes d’objets pr\u00e9d\u00e9finies (telles que des bateaux, des humains, des animaux) dans des images num\u00e9riques. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
Augmentation du nombre de publications sur la d\u00e9tection d'objets entre 2005 et 2025. (Donn\u00e9es issues de la recherche avanc\u00e9e de Google Scholar : allintitle : \"object detection\"). <\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Qu’est-ce que la d\u00e9tection d’objets ?<\/h2>\n

Par rapport \u00e0 la classification d’images, la d\u00e9tection d’objets fournit plus d’informations sur le contenu d’une image. L’exemple suivant le d\u00e9montre. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

La d\u00e9tection d\u2019objets ne r\u00e9pond pas seulement \u00e0 la question \u00ab Quel objet se trouve dans l\u2019image ? \u00bb, mais aussi \u00e0 la question \u00ab Combien d\u2019objets se trouvent dans l\u2019image ? \u00bb. Si le mod\u00e8le peut pr\u00e9dire plusieurs classes, il pourrait m\u00eame dire \u00ab\u00a0bateau\u00a0\u00bb<\/em> et \u00ab\u00a0objet \u00e9loign\u00e9\u00a0\u00bb<\/em>, mais c’est le maximum d’informations que nous puissions en tirer. <\/p>\n

La classification d\u2019images se limite \u00e0 dire ce qui est pr\u00e9sent dans une image<\/em> sans pr\u00e9ciser la position de chaque objet. Par exemple, elle pourrait pr\u00e9dire qu\u2019une image contient un bateau ou une bou\u00e9e, mais sans indiquer o\u00f9 ces objets se trouvent. La d\u00e9tection d\u2019objets, en revanche, fournit \u00e0 la fois les \u00e9tiquettes et les coordonn\u00e9es spatiales<\/em> (bo\u00eetes englobantes\/bounding boxes) de toutes les instances d\u2019objets d\u00e9tect\u00e9es dans l\u2019image.<\/p>\n

Bien entendu, cette r\u00e9ponse est plus utile dans de nombreux sc\u00e9narios r\u00e9els, tels que la pr\u00e9vention des collisions<\/strong>.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Apprentissage profond<\/h2>\n

Ces r\u00e9ponses, \u00e9galement appel\u00e9es pr\u00e9dictions, sont g\u00e9n\u00e9r\u00e9es par des mod\u00e8les. De nos jours, les mod\u00e8les sont des r\u00e9seaux neuronaux profonds (DNN)<\/a>. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Types de DNN<\/h3>

Il existe plusieurs types de r\u00e9seaux neuronaux profonds, mais deux d’entre eux dominent les t\u00e2ches telles que la d\u00e9tection d’objets. La m\u00e9thode d’apprentissage profond la plus fondamentale pour la vision par ordinateur utilise les r\u00e9seaux neuronaux convolutifs (CNN).<\/a> <\/p>

Les chercheurs ont invent\u00e9 l’architecture des CNN en 1980. Cependant, l’article qui a popularis\u00e9 les CNN profonds n’est apparu qu’en 2012, avec la pr\u00e9sentation d AlexNet<\/strong><\/a>. <\/p>

Depuis lors, les CNN sont un ingr\u00e9dient fondamental de la vision par ordinateur. Il y a quelques ann\u00e9es seulement, en 2017, des chercheurs de Google ont pr\u00e9sent\u00e9 les mod\u00e8les Transformer<\/a>, qui sont devenus tr\u00e8s populaires en raison de leurs excellentes performances en mati\u00e8re de d\u00e9tection. <\/p>

N\u00e9anmoins, ils n’ont pas totalement remplac\u00e9 les CNN, car les Transformers ont tendance \u00e0 \u00eatre plus lents, \u00e0 n\u00e9cessiter plus de donn\u00e9es pour l’apprentissage et \u00e0 exiger une plus grande puissance de calcul.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Comment fonctionnent les DNN ?<\/h3>\n

Ces mod\u00e8les sont constitu\u00e9s de plusieurs couches superpos\u00e9es.<\/p>\n

Lorsque vous introduisez une image dans le mod\u00e8le, chaque couche la traite, et chaque couche transmet son r\u00e9sultat \u00e0 la suivante.<\/p>\n

Le terme \u00ab\u00a0profond\u00a0\u00bb<\/strong> dans l’apprentissage profond fait r\u00e9f\u00e9rence \u00e0 la pr\u00e9sence d’un grand nombre de ces couches. La figure ci-dessous pr\u00e9sente un sch\u00e9ma tr\u00e8s simplifi\u00e9 de l’empilement de ces couches. <\/p>\n

Dans la pratique, les mod\u00e8les contiennent beaucoup plus de couches<\/strong>, diff\u00e9rents types de couches<\/strong> et d’autres types de connexions et d’op\u00e9rations de traitement.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
Cette image montre comment les couches sont empil\u00e9es. La premi\u00e8re couche re\u00e7oit l'image en entr\u00e9e, et les couches suivantes re\u00e7oivent la sortie de la couche pr\u00e9c\u00e9dente en entr\u00e9e. \u00c0 la sortie de la derni\u00e8re couche, on trouve les cases finales et leurs \u00e9tiquettes. <\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

De mani\u00e8re tr\u00e8s simplifi\u00e9e, on peut consid\u00e9rer chaque couche comme un calcul utilisant l’addition et la multiplication.<\/p>\n

Chaque couche se compose de plusieurs param\u00e8tres, qui sont essentiellement des nombres simples que ces op\u00e9rations math\u00e9matiques utilisent.<\/p>\n

En termes de nombre total de param\u00e8tres par mod\u00e8le, les r\u00e9seaux DNN de d\u00e9tection d’objets peuvent varier consid\u00e9rablement – de 2,4 millions de param\u00e8tres<\/strong> (YOLO26 nano, un mod\u00e8le bas\u00e9 sur le CNN) \u00e0 218 millions de param\u00e8tres<\/strong> (une version DINO utilisant une \u00e9pine dorsale SwinL, un mod\u00e8le bas\u00e9 sur un transformateur).<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

L’essence de la formation : les donn\u00e9es<\/h1>

Pour obtenir un mod\u00e8le qui fasse de bonnes pr\u00e9dictions, vous devez l’entra\u00eener. Intuitivement, au cours de ce processus, le mod\u00e8le apprend \u00e0 quoi ressemblent certains types d’objets et comment les d\u00e9tecter correctement. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Dans l’apprentissage profond, ce sont les donn\u00e9es qui d\u00e9terminent le processus de formation. Cela signifie qu’au lieu d’indiquer explicitement au mod\u00e8le l’apparence de certains types d’objets (ce qui est pratiquement impossible), nous lui fournissons de grandes quantit\u00e9s de donn\u00e9es et les pr\u00e9dictions souhait\u00e9es<\/strong> (appel\u00e9es \u00ab\u00a0v\u00e9rit\u00e9 de terrain\u00a0\u00bb). <\/p>\n

Sur la base de ces deux facteurs, le mod\u00e8le apprend \u00e0 g\u00e9n\u00e9rer les meilleures pr\u00e9dictions<\/strong>. Bien que cela puisse sembler magique, il s’agit essentiellement de math\u00e9matiques : le mod\u00e8le apprend les valeurs optimales des param\u00e8tres par le biais d’un processus d’optimisation math\u00e9matique. <\/p>\n

En effet, il apprend une fonction math\u00e9matique non lin\u00e9aire tr\u00e8s complexe qui r\u00e9sume au mieux les donn\u00e9es fournies. Il n’est donc pas surprenant qu’un ensemble de donn\u00e9es de haute qualit\u00e9 soit essentiel pour obtenir un mod\u00e8le fiable<\/strong> et des r\u00e9sultats de d\u00e9tection corrects. <\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Nous divisons g\u00e9n\u00e9ralement l’ensemble de donn\u00e9es en trois sous-ensembles :<\/p>\n