Tous les projets
CESI · 5e année · projet d’équipe
Deep learning : traitement d’images
Trois réseaux de neurones pour automatiser le traitement d’images : classification, débruitage et description automatique.
Terminémai 2026 – juin 2026

Projet réalisé en équipe de quatre étudiants (FISA Informatique, 5e année) pour une entreprise fictive, TouNum, qui numérise des documents pour ses clients. L'objectif : automatiser son traitement d'images avec trois modèles de deep learning, développés en TensorFlow dans un conteneur Docker avec accès au GPU.
Livrable 1 · Classification d’images
- Jeu de données de 41 402 images en cinq classes (peintures, photos, schémas, croquis, textes scannés), avec détection et réparation des fichiers corrompus
- CNN à quatre blocs convolutifs (de 32 à 256 filtres, batch normalization, dropout), entraîné avec Adam, arrêt anticipé et réduction du taux d’apprentissage
- Tâche « photo ou non » : 92,6 % d’accuracy, AUC de 0,974 et F1 de 0,848 sur le jeu de test
- Comparaison à conditions égales avec deux architectures externes (fakv8 et fakv13) : 93,7 % et 94,7 % d’accuracy en validation, contre 92,4 % pour notre CNN


Livrable 2 · Débruitage d’images
- Question de départ : peut-on apprendre à débruiter sans disposer d’images propres ? Réponse avec la stratégie « Noise-as-Target » (Noise2Noise) : le réseau apprend à retrouver une image à partir d’une version encore plus bruitée (bruit gaussien, σ = 0,04)
- U-Net résiduel avec connexions de saut, entraîné avec une perte combinée : 0,3 × MAE + 0,7 × (1 − SSIM)
- Sur le jeu de validation : PSNR de 33,6 dB et SSIM de 0,925
- Comparaison avec Citronn v1, un U-Net compact d’un membre de l’équipe entraîné de façon supervisée : 30,4 dB et 0,872
- Interface graphique pour tester le débruitage sur n’importe quelle image

Livrable 3 · Description automatique d’images
- Jeu de données COCO 2017 : 118 287 images et environ 590 000 légendes, vocabulaire de 7 000 mots, découpage 80 / 10 / 10 réalisé par image pour éviter toute fuite de données
- Encodeur InceptionV3 pré-entraîné et gelé, dont les caractéristiques sont extraites une seule fois puis mises en cache sur disque
- Deux décodeurs comparés : un GRU avec attention de Bahdanau et un Transformer
- Mesuré avec le score BLEU, le Transformer devance le RNN (BLEU-4 de 13,7 % contre 9,1 % en recherche gloutonne) ; la recherche par faisceau (k = 5) améliore nettement les deux modèles : 33,0 % et 24,3 %
- Effet de la taille des données : comparaison avec un entraînement sur 6 000 images seulement (BLEU-4 de 5,5 % et 6,4 %)


Les trois modèles correspondent aux étapes d’un même pipeline de traitement d’images : débruiter, trier, puis décrire.