Pipeline BlueRev de détection de déchets

Amélioration d'un workflow PyTorch de segmentation pour l'élimination de déchets sous-marins, avec données synthétiques et pipeline modulaire.

Projet de stage en équipe multiculturelle (PER BlueRev).

Python
PyTorch
Segmentation
TensorBoard
Data augmentation

Diagramme du pipeline ML pour la détection de déchets BlueRev

Problème et jeu de données

Point de départ : petit jeu de données (~95 images) bruité, avec doublons et prétraitement incohérent. Objectif : améliorer la segmentation des déchets en scène sous-marine.

Refonte du pipeline ML

Refactorisation en modules config, dataset, model, train, test, callback et logger. Ajout de EarlyStopping, sauvegarde du meilleur epoch, TensorBoard, tuning du LR et entraînement CPU/GPU. Générateur de données synthétiques par composition aléatoire.

Pipeline d'entraînement et d'inférence BlueRev — Des images brutes à l'augmentation synthétique puis au déploiement.

Résultats

Entraînement et comparaison de plusieurs configurations, métriques journalisées et intégration des meilleurs checkpoints dans l'application de prédiction.