Introduction ============ Présentation du projet ------------------------- **🌍 MarocExplorer** est un projet académique développé à l'**ENSAM Meknès** par des étudiants de la filière **Intelligence Artificielle et Technologies des Données**. Ce projet utilise des techniques de **Computer Vision** pour permettre la **géolocalisation d'images** fournies par l'utilisateur, en identifiant les coordonnées et la ville correspondante. Objectifs du projet ---------------------- - 🚀 Créer un **modèle puissant** capable de localiser des images purement marocaines. - 🌐 Développer une **plateforme interactive** permettant aux utilisateurs de : - 🌏 Utiliser le modèle pour des applications pratiques (tourisme, sécurité...). - 🎮 Créer des **jeux et des défis interactifs** basés sur l'intelligence artificielle, permettant de se challenger entre amis. --- Cas d'utilisation visé ------------------------- - 🗺️ **Tourisme intelligent** : Identifier la localisation de sites touristiques marocains depuis une photo. - 🛡️ **Sécurité urbaine** : Repérer automatiquement les emplacements à partir d'images de surveillance. - 🕹️ **Divertissement éducatif** : Proposer des jeux interactifs basés sur la localisation marocaine. --- Technologies utilisées -------------------------- - 🐍 **Python** : traitement d'image, reconnaissance visuelle (numpy, pandas, matplotlib, openCv, scikit-learn, tensorflow, pytorch). - 🌐 **Interfaces web interactives** : permettre aux utilisateurs d'interagir avec l'application. --- Pipeline du Projet ------------------ Le pipeline du projet **MarocExplorer** suit plusieurs étapes pour garantir un processus structuré et efficace. .. container:: pipeline-container .. image:: _static/pipeline.png :alt: Pipeline du Projet :width: 85% :align: center .. raw:: html Les étapes principales du pipeline sont les suivantes : 1. **Collecte et Préparation des données** - Rassembler des images marocaines. - Traiter les données pour garantir leur qualité. 2. **Recherche et Entraînement initial d'un modèle** - Explorer différents modèles de vision par ordinateur. - Sélectionner un modèle performant pour l'entraînement initial. 3. **Optimisation et Amélioration du modèle** - Ajuster les hyperparamètres. - Augmenter les données pour une meilleure généralisation. 4. **Validation et Test** - Tester la robustesse du modèle avec des données non vues. - Évaluer la précision et les performances. 5. **Création de l'interface collaborative** - Développer une interface web permettant aux utilisateurs d'interagir avec le modèle. - Proposer des défis interactifs et collaboratifs. --- Public cible -------------- - 🎓 Étudiants et chercheurs en **vision par ordinateur**. - 💡 Passionnés par des technologies basés sur l'IA. .. toctree:: :maxdepth: 2 :caption: Contenu : .. next:: Équipe