Détecteur d'Objets AI

À Propos du Détecteur d'Objets AI

Le Détecteur d'Objets AI utilise COCO-SSD, un modèle de détection d'objets pré-entraîné qui peut identifier 80 catégories différentes d'objets incluant les personnes, véhicules, animaux, meubles, appareils électroniques et plus encore. Tout le traitement se fait directement dans votre navigateur avec TensorFlow.js - aucune image n'est envoyée à un serveur.

La détection d'objets se passe-t-elle dans mon navigateur ou mes images sont-elles téléversées ?

Toute la détection s'exécute localement dans votre navigateur. Les poids YOLO/MobileNet sont téléchargés une fois via Transformers.js ou TensorFlow.js, puis chaque inférence se fait côté client via WebGPU ou WebAssembly. Vos photos ne quittent jamais votre appareil — pas de téléversement, pas de traitement serveur, pas de journalisation. C'est crucial pour des images de vidéosurveillance, médicales, de pièces d'identité ou toute image couverte par le RGPD, HIPAA ou la confidentialité au travail. Le seul trafic réseau après le téléchargement initial du modèle est le HTML/CSS/JS statique ; vous pouvez le vérifier en ouvrant DevTools > Réseau, en déposant une image et en confirmant qu'aucune requête POST n'est envoyée.

Quels formats d'image puis-je déposer dans le détecteur ?

L'outil accepte tous les formats qu'un navigateur moderne peut décoder : JPEG, PNG, WebP, AVIF, GIF (première image), BMP et SVG (après rastérisation). Il gère aussi les captures d'écran du presse-papiers et les images capturées en direct depuis votre webcam. En interne, l'image est rendue dans un canvas caché, redimensionnée à la taille attendue par le modèle (généralement 640x640 pour YOLO, 300x300 pour SSD-MobileNet, 320x320 pour EfficientDet-Lite), normalisée en flottants 0-1 ou -1 à 1 selon le prétraitement et passée comme tenseur. Le HEIC d'iPhone fonctionne dans Safari et Chrome récent.

Combien de classes d'objets le modèle peut-il reconnaître ?

Le checkpoint par défaut est entraîné sur COCO, qui contient 80 catégories du quotidien : personne, vélo, voiture, moto, avion, bus, train, camion, bateau, feu tricolore, bouche d'incendie, panneau stop, chien, chat, oiseau, cheval, mouton, vache, éléphant, ours, zèbre, girafe, sac à dos, parapluie, sac à main, cravate, valise, frisbee, skis, snowboard, balle, batte/gant de baseball, skateboard, planche de surf, raquette de tennis, bouteille, verre à vin, tasse, fourchette, couteau, cuillère, bol, fruits et nourriture, chaise, canapé, lit, table, toilettes, TV, ordinateur portable, souris, télécommande, clavier, téléphone, micro-ondes, four, évier, frigo, livres, horloge, vase, ciseaux, ours en peluche, sèche-cheveux, brosse à dents. Pour des domaines spécialisés (médical, retail, fabrication, faune), il faut un modèle affiné.

Pourquoi le détecteur rate-t-il les petits objets ou partiellement cachés ?

La détection de petits objets est la faiblesse historique des détecteurs à passe unique comme YOLO et SSD. L'image est sous-échantillonnée à une taille d'entrée fixe (640x640 pour YOLOv8), donc un visage de 30 pixels dans une photo 4K devient environ 5 pixels après redimensionnement — sous la résolution que le réseau peut traiter. L'occlusion (objets cachés derrière d'autres) est aussi difficile car les features convolutionnelles se mélangent. Solutions : utiliser une entrée à plus haute résolution (YOLOv8x en 1280x1280 aide mais double le calcul), recadrer et re-détecter sur les régions d'intérêt, lancer de l'inférence en tuiles 640x640 chevauchantes, ou passer à un détecteur à deux étages comme Faster R-CNN — plus précis mais bien plus lent.

Que signifient réellement le score de confiance et le seuil IoU ?

Chaque détection a deux nombres clés. La confiance (0-1) est la probabilité estimée par le modèle que l'objet existe dans la boîte prédite. Le seuil par défaut d'environ 0.25 garde les détections dont le modèle est au moins quelque peu sûr ; montez à 0.5 pour une sortie plus propre, descendez à 0.1 pour attraper les cas difficiles au prix de faux positifs. L'IoU (Intersection-over-Union) contrôle la Suppression Non-Maximale : quand le modèle propose deux boîtes chevauchantes pour le même objet, la NMS garde celle de plus haute confiance et écarte l'autre si leur IoU dépasse le seuil (par défaut ~0.45). Baisser l'IoU est plus agressif (moins de doublons), le monter laisse passer plus de détections chevauchantes — utile pour les foules.

Quelle est la précision de YOLO dans le navigateur par rapport à la version serveur ?

Numériquement identique pour un niveau de quantification donné. Le navigateur utilise la même exportation ONNX ou TensorFlow.js des poids officiels Ultralytics ou PyTorch, donc un YOLOv8n quantifié en INT8 produira des boîtes et confiances identiques que ce soit dans Chrome, Node.js ou un serveur Python. Ce qui change, c'est le débit : un serveur avec NVIDIA A100 atteint 1000+ FPS en 640x640, tandis que WebGPU sur un MacBook M2 atteint 30-60 FPS et WebAssembly sur un portable de 5 ans tombe à 2-5 FPS. Pour la détection webcam temps réel, préférez une variante YOLO "n" ou "s" sur WebGPU.

Quelle architecture de détection est utilisée — YOLO, SSD, EfficientDet ou DETR ?

Par défaut, c'est YOLOv8 (nano ou small) au format ONNX, un détecteur CNN sans ancre à passe unique qui prédit les probabilités de classe et coordonnées de boîte en une seule passe avant par image. YOLO sacrifie un peu de précision pour une vitesse énorme, essentielle dans le navigateur. SSD-MobileNet est disponible comme repli plus léger (mAP plus faible, plus rapide sur mobile modeste). EfficientDet-Lite est une option TensorFlow.js avec une meilleure courbe précision/calcul sur COCO. DETR (DEtection TRansformer) est de niveau recherche et pas encore pratique dans le navigateur. Pour la plupart des cas, YOLOv8n en 640x640 avec WebGPU est le point d'équilibre — environ 6 Mo en INT8, temps réel, 37+ mAP sur COCO.

Qu'est-ce que la quantification INT8 pour un détecteur et affecte-t-elle la précision ?

La quantification convertit les poids du modèle de flottants 32 bits en entiers 8 bits, réduisant le fichier par 4x (un YOLOv8n passe d'environ 12 Mo FP32 à approximativement 3 Mo INT8) et doublant la vitesse d'inférence CPU. Pour la détection COCO, INT8 dynamique perd typiquement 0.5-1.5 mAP — invisible sur les images du quotidien mais mesurable sur les suites de benchmark. INT8 par canal avec calibration perd encore moins. INT8 active aussi l'accélération WebNN/NPU sur les appareils compatibles (Snapdragon récent, Apple Neural Engine via pont Core ML web). Le backend ONNX Runtime Web wasm-simd gère la déquantification à la volée.