Wax Classification

Website \ Get Started \ Docs

WaxClassification

Classification des images de tissus africain en fonction de la marque, du type, de l’impression, du prix et de la qualité des pagnes africains

Ce travail est divisé en cinq (5) étapes nécessaires qui s’enchaînent :

1. La collecte des images

Il s’agit du développement d’algorithmes qui parcourent plusieurs sites web et grattent des images en 2D. A cet effet nous avons développés entre 5 à 10 algorithmes pour parcourir les sites comme : Amazon, Cdiscount, …

2. Modèle de classification

Nous avons utilisé Tensorflow pour développer notre modèle de classification sur les images collectées. Ce modèle a été ensuite validé par des images de test avec une performance de 90%.

3. Convertir le modèle

Nous utilisons ensuite le convertisseur TensorFlow Lite et quelques lignes de Python pour convertir notre modèle Tensorflow machine au format TensorFlow Lite (adapter au mobile).

4. Déploiement du modèle

Nous développons notre application à l’aide Android Studio en Java et Exécutons notre modèle sur le périphérique avec l’interpréteur TensorFlow Lite, avec des API dans de nombreuses langues.

5. Optimisation du modèle

Optimisation du modèle pour réduire la taille de notre modèle et augmenter son efficacité avec un impact minimal sur la précision sur mobile.