Repository pour le Hackathon Quantumblack X-IA 2024. Repo de l'équipe #6 "Code with the bros"

Les dossiers .streamlit et assets permettent de coder la webapp. Pour l'exécuter, exécuter la commande dans le terminal à l'emplacement du fichier accueil : streamlit run _Accueil.py

Le dossier pipeline met en oeuvre une pipeline pour créer un réseau de CNN entraîné sur le dataset fourni. Dans ce dossier :

• model.py: code le modèle
• data.py: permet de load les data, de les split et les augmenter.
• train.py: code les fonctions d'entraînement. Avec cross validation qui sélectionne plusieurs modèles et on s'appuit sur la moyenne de ces modèles. Sans cross validation, qui entraîne un modèle pour lequel on a optimiser les hyper paramètres.
• main.py: met en place les pipelines avec les deux fonctions d'entrainement.

Le dossier old_pipeline_pytorch met en place la pipeline sans cross validation. En revanche il comprend plusieurs modèles (VisionTransformer, ResNet, classicCNN, BasicTransformer).

crop.py: permet de générer de nouvelles images en ne conservant que l'image autour des centres des fuites. Le résultat obetenu en l'exploitant n'est pas satisfaisant.

Préparation des données:

• split en test set et train set
• split des données en validation set et en k fold pour cross validation.
• A chaque fois, avec ou sans data augmentation sur les train set.

Types de modèle:

• ResNet, VisionTransformer, 2 CNN basiques différents, basicTransformer

NB: Le dataset d'entraînement (dossier data) fourni par QuantumBlack a été volontairement retiré de ce repository.