La détection d'objets est la tâche de vision par ordinateur qui consiste à localiser et identifier plusieurs objets dans une image. Là où la simple classification répond à « qu'y a-t-il ? », la détection répond aussi à « où ? » : elle entoure chaque objet d'une boîte englobante (bounding box) et lui attribue une étiquette avec un score de confiance. C'est l'œil qui permet à une voiture autonome de distinguer un piéton d'un lampadaire.
Comment ça fonctionne
Un détecteur produit, pour chaque objet, quatre coordonnées (les coins de la boîte) plus une classe et une confiance. Deux grandes familles coexistent :
- Détecteurs en deux étapes (R-CNN, Faster R-CNN) : ils proposent d'abord des régions candidates, puis les classifient. Plus précis, mais plus lents.
- Détecteurs en une étape (YOLO, SSD, RetinaNet) : ils prédisent boîtes et classes en un seul passage du réseau. Plus rapides, adaptés au temps réel.
Mesurer la qualité
La métrique reine est l'IoU (Intersection over Union), qui compare la boîte prédite à la boîte réelle :
$$\text{IoU} = \frac{\text{Aire}(\text{prédite} \cap \text{vérité})}{\text{Aire}(\text{prédite} \cup \text{vérité})}$$
Une prédiction est jugée correcte si l'IoU dépasse un seuil (souvent 0,5). On agrège ensuite les performances via la mAP (mean Average Precision).
| Tâche | Question | Sortie |
|---|---|---|
| Classification | Quoi ? | 1 étiquette |
| Détection | Quoi + où ? | Boîtes + étiquettes |
| Segmentation | Quoi + contour exact ? | Masque par pixel |
Applications
Voitures autonomes, vidéosurveillance, lecture de radiographies, comptage agricole, caisses sans contact, robotique industrielle.
Détecter, c'est apprendre à une machine à pointer du doigt — nommer chaque chose et dire où elle se trouve.