Entraîner un classificateur d’images

Structure des dossiers du jeu de données#

Les jeux de données de classification sont des répertoires, pas des fichiers YAML. Indique le dossier racine à data= :

parts/
├── train/
│   ├── good/      img_0001.jpg ...
│   ├── scratch/   img_0412.jpg ...
│   └── dent/      img_0733.jpg ...
└── val/
    ├── good/
    ├── scratch/
    └── dent/

Voici ce que le chargeur en fait, d’après le code source installé et le guide des jeux de données de classification :

Sur la plateforme Ultralytics, un jeu de données de classification associe une seule étiquette au niveau de l’image à chaque image, au lieu de formes :

Entraîner sur MNIST160#

MNIST160 contient 160 chiffres manuscrits, 80 dans train/ et 80 dans test/, chacun réparti dans dix dossiers de chiffres — un jeu suffisamment petit pour un test rapide sur CPU. Il ne comporte pas de dossier val/ ; observe donc l’avertissement du chargeur et son recours à test/ :

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")
model.train(data="mnist160", epochs=1, imgsz=64, device="cpu")
metrics = model.val()
print(f"top-1: {metrics.top1:.3f}  top-5: {metrics.top5:.3f}")

WARNING ⚠️ Dataset 'split=val' not found, using 'split=test' instead.
val: .../datasets/mnist160/test... found 80 images in 10 classes ✅
                   all      0.162      0.463
top-1: 0.162  top-5: 0.463

Une époque suffit à peine à faire progresser la nouvelle tête à dix classes. Lors de notre exécution, epochs=10 a atteint une précision top-1 de 0,55 et une précision top-5 de 0,95 en une dizaine de secondes sur le CPU d’un ordinateur portable — la boucle fonctionne, mais il faut davantage d’entraînement. Le guide de la tâche de classification répertorie les tailles des modèles préentraînés.

Top-1 correspond à la proportion d’images dont la classe la plus probable est correcte. Top-5 compte une prédiction comme correcte si la bonne classe figure parmi les cinq plus probables. La précision top-5 est utile pour les 1 000 classes d’ImageNet, qui vont de catégories générales à des catégories très précises ; avec cinq classes ou moins, elle vaut toujours 1,0 et, avec dix classes, elle est généreuse. Évalue le modèle sur la précision top-1 et une matrice de confusion par classe.

Lire les probabilités dans le code#

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")  # ImageNet, 1,000 classes
result = model("https://ultralytics.com/images/bus.jpg")[0]

probs = result.probs
print(f"top-1: {result.names[probs.top1]} ({float(probs.top1conf):.2f})")
for i, conf in zip(probs.top5, probs.top5conf.tolist()):
    print(f"  {result.names[i]:20s} {conf:.3f}")

top-1: minibus (0.52)
  minibus              0.516
  police_van           0.369
  trolleybus           0.096
  minivan              0.006
  ambulance            0.003

probs.top1 est un indice, probs.top5 une liste d’indices et probs.data le vecteur complet des probabilités. Remarque le score de confiance top-1 : 0,52 dépasse à peine un pile ou face entre minibus et police_van. C’est sur ce nombre que tu règles l’orientation des prédictions.

Envoyer les prédictions incertaines à une personne#

En production, un classificateur n’a généralement pas besoin d’avoir raison pour chaque image ; il doit avoir raison pour les images qu’il traite seul. Ce script entraîne le modèle pendant 10 époques, puis mesure l’effet de différents seuils de confiance sur les 80 chiffres mis de côté :

from pathlib import Path

from ultralytics import YOLO

model = YOLO("yolo26n-cls.pt")
model.train(data="mnist160", epochs=10, imgsz=64, device="cpu", plots=False)  # model now holds best.pt
print(model.names)  # folder names, sorted, became class indices

test = Path(model.trainer.data["test"])  # mnist160/test, the split the loader validated on
images = sorted(test.rglob("*.png"))
results = model(images, imgsz=64, verbose=False)
truth = [p.parent.name for p in images]

for threshold in (0.0, 0.3, 0.6):
    kept = [(r, t) for r, t in zip(results, truth) if r.probs.top1conf >= threshold]
    correct = sum(r.names[r.probs.top1] == t for r, t in kept)
    print(f"threshold {threshold:.1f}: auto-accept {len(kept):2d}/{len(images)}, accuracy on accepted {correct / max(len(kept), 1):.0%}")

{0: '0', 1: '1', 2: '2', 3: '3', 4: '4', 5: '5', 6: '6', 7: '7', 8: '8', 9: '9'}
threshold 0.0: auto-accept 80/80, accuracy on accepted 55%
threshold 0.3: auto-accept 41/80, accuracy on accepted 68%
threshold 0.6: auto-accept 10/80, accuracy on accepted 80%

Chaque ligne représente un compromis : augmenter le seuil améliore la précision des prédictions acceptées et envoie davantage d’images à une personne. À 0,6, ce modèle ne traite seul que 10 chiffres sur 80 — il n’est pas prêt à automatiser quoi que ce soit ; la solution consiste à l’entraîner davantage, pas à choisir un seuil plus astucieux. Réexécute le même tableau après chaque cycle d’entraînement : il t’indique à la fois la précision obtenue et le volume exact de vérifications que génère chaque seuil.

Pièges#

Les classificateurs sont préentraînés à imgsz=224, et non à 640. Pour les petits objets dans une grande image, mieux vaut détecter puis classifier (leçon suivante) qu’utiliser un modèle imgsz plus grand.