Vision moderne : détection, segmentation et ViT

1. Quelle sortie distingue détection et classification ?
2. À quoi sert l'IoU ?
3. Quelle métrique convient à un masque par pixel ?
4. Comment un ViT transforme-t-il une image en séquence ?
5. [E] Pourquoi ne pas comparer mAP, accuracy et Dice comme un même score ?

Réponses. 1. Des boîtes localisées en plus des classes. 2. À mesurer le recouvrement. 3. IoU ou Dice par classe. 4. Il projette des patchs en tokens. 5. Ces métriques portent sur des objets, géométries et règles d'appariement différents.

Objectif : dépasser la classification d'image entière.

La détection prédit classes et boîtes ; la segmentation sémantique attribue une classe à chaque pixel ; la segmentation d'instances distingue les objets d'une même classe.