MORPHO-IA - IA et Digital Twin au service de la maintenance prédictive | FEREC 2020

MORPHO-IA : ETUDE ET RESULTATS MORPHOSENSE ▪ SAS au capital de 120 366 € ▪ SIRET : 822 036 265 00012 18 allée du Lac Saint André, BP 60278 73370 Le Bourget du Lac ▪ TVA FR13 822036265 Figure 18 : Comparaison du pourcentage de détection de l’algorithme YOLO par rapport à la taille des images La taille des images retenue est donc de 819x1228 pixels. Le temps de traitement d’une image est d’environ 0.28 secondes. Avec tous ces pré-traitements, on obtient un score de 98.25% de détection des piétons et cyclistes en comparaison avec une labélisation manuelle. Ci- dessous un exemple de détection sur deux images différentes avec l’algorithme YOLO (à gauche pou r la détection de cyclise et à droite pour celle de piétons). En jaune et vert figurent les zones de détection accompagnées du label prédit et du pourcentage de confiance de l’algorithme sur la prédiction. Figure 19: Exemple de détection par YOLO de cyclistes(gauche) et de piétons (droite) 92.6 92.8 93 93.2 93.4 93.6 93.8 94 94.2 94.4 94.6 94.8 0 10 20 30 40 50 60 70 80 % de détection de YOLO Taille image en % Pourcentage de détection de piétons par rapport à la taille de l'image