Bonjour,
Je suis tout à fait débutant dans le monde du deep learning.
Pour un petite application en biologie, je souhaite utiliser un CNN pour segmenter des images (comptage d'oeufs d'insectes), a priori une tache très facile sur des images de bonne qualité.
Mes images sont nativement de taille 3000x4000. J'ai découpé des vignettes de 1000x1000 que j'ai annoté (environ 200 vignettes annotées).
Via la librairie detectron2, j'ai entrainé un modèle MaskRCNN qui marche à la perfection sur mon sous-jeu de données de vignettes 'test', jamais vues par le réseau entrainé.
Mon pb : lorsque je passe à la prédiction sur mes images natives (3000x4000), la qualité de la prédiction chute dramatiquement.
J'ai l'impression qu'il y a un rapport avec la taille/ la forme de mes images, car j'ai l'impression que les prédictions sont légèrement meilleures sur des images de grandes tailles mais carrées (eg, 3000x3000).
Y'aurait-il un paramètre à modifier pour passer à de la prédiction sur des images de taille/forme différente entre entrainement et prédiction ?
J'ai vu un seul tuto sur internet qui faisait de la segmentation avec detectron2 sur de grandes images et la stratégie était de faire la prédiction sur des tiles de format identique à l'annotation/entrainement puis de reunir tous les masques ensemble sur une grande image. Je trouve cette stratégie très surprenante car j'imagine que la plupart des images sur lesquels sont utilisées MaskRCNN sont largement supérieures en dimension aux 1330x1330 de tailles maximum autorisée pour l'entrainement.
Merci d'avance pour vos lumières,
et bien entendu merci pour votre travail de formation de qualité exceptionnelle,
Julien
