Les tâches décrites ci-dessous peuvent s’appliquer à des images en 2D ou en 3D.
La classification d'images consiste à attribuer une étiquette ou une classe à une image entière. Les modèles de classification d'images prennent une image en entrée et renvoient une prédiction sur la classe à laquelle l'image appartient.
Image provenant de https://huggingface.co/tasks/image-classification
Les métriques usuelles pour cette tâche sont l’accuracy, la precision, le recall et le F1-score.
Les modèles de détection d'objets permettent aux utilisateurs d'identifier les objets de certaines classes définies. Ils reçoivent une image en entrée et produisent des images avec des boîtes de délimitation (bounding boxes) et des étiquettes sur les objets détectés.
Image provenant de https://huggingface.co/tasks/object-detection
Les métriques usuelles pour cette tâche sont l'Intersection-over-Union (IoU), l'Average Precision, la Mean Average Precision (MAP).
La segmentation d'images divise une image en segments où chaque pixel de l'image est associé à un objet. Cette tâche a de multiples variantes telles que la segmentation d'instance, la segmentation panoptique et la segmentation sémantique.
Image provenant de https://huggingface.co/tasks/image-segmentation
Les métriques usuelles pour cette tâche sont l'Intersection-over-Union (IoU), l'Average Precision, la Mean Average Precision (MAP).
Les modèles d’image à image permettent de réaliser tout ce qui est transfert de style, colorisation d’images, modification la résolution d’une image, etc.
Image créée sur le modèle de ce que a fait Hugging Face. L’image de sortie a été généré grâce au ArcaneGAN de https://twitter.com/devdef