Jump to content

Géoforum est un forum de géologie, minéralogie, paléontologie, volcanologie et, plus généralement, un site dédié aux Sciences de la Terre et au patrimoine géologique. Les discussions s'organisent dans des espaces spécifiques, il existe un forum géologie, un forum minéraux, un forum fossiles, un forum volcans, etc. Une galerie de photos de minéraux ou de roches, de photos de fossiles, ou encore de sites géologiques ou de volcans permet de partager des albums. Il est possible de publier des offres d'emploi de géologue, ou des demandes d'emploi ou stage de géologues. Venez poser vos questions, partager vos connaissances, vivre votre passion !

Quelques-uns des principaux sujets de Géoforum - Pistolet nettoyeur haute pression pour minéraux et fossiles

Bourse aux minéraux et cristaux de Bourg d'Oisans
Bourse aux minéraux et cristaux de Bourg d'Oisans du 3 et 5 mai

Fred_V

Membre
  • Content Count

    11
  • Joined

  • Last visited

Recent Profile Visitors

The recent visitors block is disabled and is not being shown to other users.

  1. Oui tout à fait d'accord, et ensuite, à l'intersection entre les souhaits / envies / besoins et le faisable (plus ou moins facilement) on va peut - être trouver un sujet digne de faire quelques essais.
  2. Bonjour Zunyite,votre mention du fait que ça ne devrait pas poser de problèmes pour les fossiles est encourageant, mais après avoir, grâce à Elasmo récupéré quelques images, il est clair pour nous, même ceci n'est pas si "facile" Pour revenir sur vos commentaires sur les minéraux, oui une détermination fine est certainement actuellement hors de portée, mais on doit pouvoir imaginer quelque chose à un niveau plus grossier (et dans ce cas effectivement il faut se poser la question à quoi ça sert si même une personne néophyte pourrait le faire visuellement......peut être un outil pédagogique ?) Pour la question de la qualité de l'image, je vais essayer ci dessous d'attacher deux résultats, dans un domaine non relié à ce forum, qui montrent que dans certains cas on arrive quand même à détecter et à reconnaitre qque chose avec certes une probabilité de détection et classification correcte qui décroit si l'image est de qualité médiocre Pour ce qui est des minéraux qui réfléchissent de façon différencier en fonction de la longueur d'onde de la lumière, là on a effectivement un vrai problème qui peut entrainer beaucoup de prédictions fausses.
  3. C' est OK je viens de les récupérer merci. Je regarde ceci avec l'équipe ici et vous tiens informé.....avec sans doute des questions dans un premier temps.
  4. désolé, le lien http ne semble pas exister (erreur 404), mais vous lui aviez peut-être donné une durée limitée et je 'n'ai pu essayer d'aller le récupérer que ce matin.
  5. Super, si vous pouvez m'en indiquer l'adresse et si vous souhaitez logiquement protéger ceci via un mot de passe me l'envoyer via un autre canal, mon e-mail est frederic.viart@wanadoo.fr
  6. Réponse pour elasmo, A priori on va essayer de s'adapter au format et à la résolution (nombre de pixels) des images. Nos expériences sur des éléments du vivant montrent que l'on peut même parfois pallier à une image partiellement nette (premier plan par exemple) et floue sur d'autres zones de l'image. L'algorithme ne donnant de toute façon qu'une probabilité que l'objet à classer ou localiser et classe sur l'image soit d'une certaine classe. Si l' image est très nette la probabilité est nettement supérieure à une image floue. La notion de quantité d'images pour une même classe est elle plus critique...mais nous n'avons pu encore tirer beaucoup de conclusions sur le nombre mini (et maxi) par classe, sans avoir essayé sur un domaine. Pour le transfert de fichiers, on peut essayer de passer par Wetransfer, ou sinon je peux demander à l'équipe de prévoir un espace accessible à distance avec sécurisation par mot de passe. A vous de me dire ce que vous préférez faire.
  7. Merci pour votre soutien ...à l'idée ....et vos encouragements pour le travail à faire ! De ces quelques échanges, il me semble effectivement judicieux de commencer par quelques "classes" de fossiles, je retiens donc la proposition d'Elasmo. Celle de JeF dans un deuxième temps, car nos ressources ne sont pas illimitées, pour ce qui est à ce jour pour nous uniquement un travail de recherche appliquée. Étant nouveau sur ce forum, je ne sais pas quel mécanisme d'échange de données entre membres existe (si il y en a un) et si c'est l'usage ou pas de donner ses coordonnées mail / tel J'attends le prochain post avec intérêt pour statuer A bientôt
  8. En effet, en lançant ce sujet, je me doutais que, d'une part je n'étais pas le premier à y penser et que d'autre part, la variabilité de l'aspect d'une roche (qui existe aussi dans le vivant, regardez par exemple les formes/coloris, textures des orchidées) était le principal obstacle à un progrès rapide. Donc, si quelque chose doit être lancé, il faut lui donner des objectifs très humbles et donc viser en première intention à une utilité pour grand débutant en minéralogie seulement. Ensuite le post de JeF est exact, ce type de système est conçu pour apprendre, même si dans un tel cas (et nous avons eu le même souci dans d'autres domaines) il faut avoir fréquemment accès à des "experts" pour que la base d'apprentissage augmente régulièrement par lot de nouvelles "notions" (en fait par des jeux d'images qualifiées qui modifient les paramètres du réseau de neurones. Et pour en rajouter, cet apprentissage n'est jamais terminé puisque l'humain ""expert" va ici, via l'obtention de données additionnelles non photographiques (chimiques, dureté...), cerner plus rapidement une classe donnée. A suivre donc.
  9. réponse pour JeF s'appliquant en partie pour elasmo. La classification de l'image est apprise (c'est l'étape d'entrainement du réseau de neurones) et c'est cet apprentissage qui permet, ou pas, de différencier une image dite cible. (image non utilisée lors de l'apprentissage) D'autre part l'image est vue par le réseau de neurone de façon à la fois globale et détaillée, ce qui veut dire, que si on lui montre dans la phase apprentissage toute une série de photos de granits sur un bureau coloré en vert, et du basalte sur un bureau coloré en beige, il est fort probable qu' un basalte sur un bureau vert soit identifié comme du granit à 90% de niveau de confiance ! Donc si le quartz cristallin n'est représenté que sur dans une des combinaisons indiquées (par exemple isolé prismatique sur un fond neutre), seul ce cas a des chances d'être correctement reconnu ensuite. Pour les fossiles, même observation, on doit très certainement, moyennant assez de photos, apprendre un ou quelques cas mais il faut clairement faire quelques essais d'abord sur une quantité de photos d'un même type de fossile A, avec certaines d'un deuxième type B pour déjà voir si on peut distinguer A de B.
  10. Merci Pablo pour cette proposition je vais regarder. Pour répondre à José, ici classification = identification d'une image comme appartenant à une classe ou à une autre, dans le cas où on n'en a que deux. Par exemple, hors contexte minéralogique, une abeille mellifère par rapport à un bourdon......un de nos derniers essais d'ailleurs. Toute photo soumise sera par contre classifiée entre ces deux classes, même si elle n'a rien à voir ! Si, avec peu de classes, on a une quantité d'images par classe suffisante, on doit arriver en principe à un niveau de prédiction correct. Si on étend ceci à un nombre de classes très important, on peut arriver ensuite à identifier nettement plus de types d'objet et on rajoute alors une classe "divers ou poubelle" pour les photos qui ont une plus forte probabilité d'appartenir à quelque chose de non connu par l'algorithme qu'à une quelconque classe connue.. Mais ce niveau d'efficacité est long à obtenir. SI vous avez des photos de différents minéraux, en avez vous une quantité importante par type ( plus de 50) ? Si oui on peut déjà essayer avec 2 types (ou classes ici)
  11. Bonjour à toutes et tous, nous (start up impliquée dans du développement logiciel pour la recherche scientifique) sommes en train d'évaluer différentes méthodologies d'identification d'objet ou de classification grâce au traitement d’images via des réseaux de neurones. En consultant ce forum je me rends compte que le besoin d'identification de minéraux est une activité de communication inter membres très utile, mais il me semble qu'il serait intéressant d'évaluer les capacités (et certainement les limites) de l'identification de minéraux via du Machine Learning, et si le niveau de performance est suffisamment élevé de mettre ceci à disposition de la communauté. SI l'une ou l'un d'entre vous a déjà une ou des expériences dans ce domaine, je suis prêt à en discuter. Si de même certaines / certains d'entre vous ont des séries d'images qualifiées (c'est à dire classifiées de façon certaine) nous sommes preneur, a minima pour un essai entre 2 classes ou plus. Au plaisir de lire vos feedbacks Bonne journée à toutes et tous.
×
×
  • Create New...