Segmentation vestimentaire avec Hugging Face

Python, Computer Vision, Image Segmentation, Hugging Face, REST API, Deep Learning, Data Science, NumPy, Matplotlib, Pillow

Fashion Trend Intelligence – Segmentation vestimentaire avec Hugging Face

Contexte

Dans le cadre d'un projet de démonstration, j'ai développé un prototype permettant d'évaluer l'utilisation d'un modèle de vision par ordinateur hébergé sur les endpoints Serverless de Hugging Face afin d'identifier automatiquement les vêtements présents sur des images. L'objectif était de valider la faisabilité technique avant un déploiement à plus grande échelle pour l'analyse de tendances dans l'industrie de la mode.

Objectifs

• Intégrer un modèle de segmentation d'images via une API REST.
• Segmenter automatiquement les différentes pièces vestimentaires.
• Générer des visualisations des résultats.
• Évaluer les performances du modèle.
• Estimer le coût d'exploitation de la solution à grande échelle.

Architecture

Images
   │
   ▼
Script Python
   │
   ▼
API Hugging Face Inference
(segformer_b3_clothes)
   │
   ▼
Masques de segmentation
   │
   ▼
Visualisation + Évaluation

Technologies utilisées

• Python
• Requests
• Pillow (PIL)
• NumPy
• Matplotlib
• python-dotenv
• API Hugging Face Inference
• Git
• Visual Studio Code

Réalisations

Intégration d'un service IA

• Authentification sécurisée via token API.
• Gestion des variables d'environnement (.env).
• Communication avec une API IA Serverless.
• Traitement automatique d'images.

Segmentation d'images

• Envoi des images vers le modèle SegFormer Clothes.
• Récupération des masques de segmentation.
• Association des classes détectées aux vêtements.
• Génération des visualisations (image originale / segmentation).

Évaluation du modèle

Mise en place d'une démarche d'évaluation comprenant :

• séparation des jeux de données

  • entraînement
  • validation
  • test

• définition d'indicateurs de performance tels que :

  • Intersection over Union (IoU)
  • Dice Score
  • F1 Score

• analyse qualitative des résultats obtenus.

Étude de coûts

Évaluation du coût d'utilisation des endpoints Serverless Hugging Face pour un scénario de production de 500 000 images sur 30 jours, afin d'estimer la viabilité économique de la solution.

Compétences démontrées

Intelligence artificielle

• Utilisation d'un modèle pré-entraîné
• Computer Vision
• Segmentation sémantique
• Consommation d'API IA

Développement Python

• Manipulation d'images
• Requêtes HTTP
• Gestion des erreurs
• Variables d'environnement
• Organisation d'un projet Python

Data Science

• Évaluation de modèles
• Choix de métriques adaptées
• Analyse de performances
• Validation expérimentale

Cloud & API

• Utilisation d'un service IA Serverless
• Authentification par token
• Estimation des coûts d'exploitation

Résultat

Ce projet m'a permis de mettre en pratique l'intégration d'un service d'IA prêt à l'emploi afin de construire rapidement un prototype fonctionnel de vision par ordinateur, tout en appliquant une démarche complète allant de l'appel API jusqu'à l'évaluation des performances et à l'analyse des coûts de déploiement.

Compétences acquises

• Python
• Computer Vision
• Image Segmentation
• Hugging Face Inference API
• REST API
• Requests
• Pillow
• Matplotlib
• NumPy
• python-dotenv
• Évaluation de modèles IA
• IoU
• Dice Score
• F1 Score
• Data Visualization
• Git
• Gestion des secrets
• Analyse des coûts Cloud