Ce travail d'études et de recherches reprends le code du projet ZS3 sur le modèle ZS3Net de Valeo. Il est effectué dans le cadre d'un M1 d'informatique parcours Intelligence Artificielle. Le but est d'utiliser le modèle ZS3Net sur un jeu de données personnalisé nommé plantdoc.

Il s'agit ici d'un jeu de données composées d'images de plantes possédant éventuellement une partie malade.

ZS3/data/plantdoc
├── test
│   ├── images
│   └──  masks
└── train
    ├── images
    └── masks

Mon matériel étant un Macbook pro M2 MAX, possédant une architecture processeur ARM64, la technologie d'accélération des calculs CUDA n'est pas compatible. J'ai donc remplacé les appels à CUDA par des appels à MPS. Cela a permis d'obtenir un entraînement netement plus rapide qu'avec l'usage simple du CPU (10 fois plus rapide environ).

D'autre modifications ont été apportées et commentées afin d'adapter le code au jeu de données plantdoc. Par exemple l'ajout du fichier train_plantdoc.py qui gère le cas où --dataset plantdoc est utilisé.

python train_plantdoc.py

• Main options
  • imagenet_pretrained_path: Path to ImageNet pretrained weights.
  • exp_path: Path to saved logs and weights folder.
  • checkname: Name of the saved logs and weights folder.
  • unseen_classes_idx: List of idx of unseen classes.