OpenClassrooms · P2 · Projet validé
Segmenter des vêtements
Exploiter un modèle préentraîné et interpréter ses masques de segmentation.
Image→Segmentation→Masque
Le travail réalisé
Réaliser un POC de segmentation de vêtements à partir d’images en exploitant un modèle déjà entraîné disponible via Hugging Face.
- Le dépôt sépare la préparation des images, les appels d’inférence, le décodage des masques, leur combinaison et la visualisation.
- predict.py envoie les images à l’API et traite les réponses non 200 ; features.py décode les masques base64, les redimensionne et associe les classes aux pixels.
Les résultats disponibles
- Les sorties sauvegardées montrent des IoU très variables selon les images et les classes. Aucun score unique n’est repris ici comme performance générale du modèle.
- Le calcul d’IoU ignore le fond et parcourt les classes présentes dans la vérité terrain : il faut documenter cette convention pour comparer les résultats à un benchmark externe.
Résultats et retours conservés dans l’audit du 9 octobre 2026. Ils n’ont pas été reproduits lors de la préparation de ce portfolio.
Ce que j’en retiens
Passage de l’utilisation d’un modèle à l’évaluation de ses sorties : un service IA ne se juge pas seulement sur une image réussie.
Limites et pistes d’amélioration
- L’appel requests.post ne définit pas de timeout ni de stratégie de retry : l’intégration API est présente, sa robustesse opérationnelle n’est pas démontrée.
- La disponibilité actuelle du service externe et la reproduction des scores n’ont pas été testées.