wildfire_detection

Développement d'un modèle de détection des incendies

Installer les dépendances

pip install requirements.txt

Structure du projet

📂 data                  -> contient le dataset
📂 data_split            -> dataset divisé en train/validation/test
📂 prepare_data
 ┣ 📂 notebooks
 ┃ ┣ 📄 exploration.ipynb
 ┃ ┣ 📂 train_yolo
 ┃ ┣ 📄 model.ipynb
 ┃ ┗ 📄 yolo_get.ipynb    -> Analyse résultats d'entrainement et visualisation (Gaëtan)
 ┃ ┗ 📄 yolo_Version.ipynb -> Analyse résultats d'entrainement et visualisation (Fadilatou)
 ┣ 📄 data_cleaner.py     -> fonctions de nettoyage des données
 ┣ 📄 data_explorer.py    -> fonctions d'exploration des données
 ┣ 📄 data_loader.py      -> fonctions de chargement du dataset
 ┣ 📄 data_preparation.py -> fonctions de conversion format coco -> yolo
 ┣ 📄 pipeline.py
 ┣ 📄 main.py
 ┗ 📄 visualisation.py    -> visualisation via fiftyone
📂 train_results          -> contient les csv des résultats d'entrainement (Gaëtan)
📂 Run_results            -> contient les résultats d'entrainement (Fadila)
📄 run_data_prep.py       -> pipeline de préparation des données pour le format yolo
📄 requirements.txt

Précisions

Modèle YOLOv8n/s/m

Modèle utilisé pour les premiers tests, les résultats sont partiellement accessible dans le notebook yolo_get.ipynb dans les sous-parties Run 1, Run 2, Run 3.

Utilisé principalement par Fadilatou.

Résultats consigné dans le dossier Run_results/ et analyse sur notebook Yolo_version.ipynb

Modèle YOLOv9c

Modèle sur lequel l'analyse a été faite selon 3 paramètrages différences.

• Résultats sur le notebook yolo_get.ipynb (Run 4, 5, 6) et dans le dossier train_results_yolov9c

Modèle YOLOv11

Entrainé par Fadilatou.