Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

Le tableau demeure un support pédagogique central dans de nombreuses salles de classe, mais son contenu est généralement effacé à la fin du cours. Ce mémoire présente un système interactif visant à détecter, extraire, rectifier et conserver automatiquement la région d’un tableau pédagogique à partir d’images acquises dans des conditions réelles. La difficulté scientifique tient aux variations d’éclairage, aux reflets, aux prises de vue obliques, aux occlusions et à la diversité des salles. L’approche proposée combine des méthodes classiques de traitement d’images - filtrage, détection de contours, transformée de Hough, analyse géométrique et homographie - avec un modèle YOLOv8s-seg entraîné par transfert pour détecter et segmenter la surface du tableau. Le jeu de données comprend 416 images annotées par polygones : 336 images sont utilisées pour l’entraînement et 80 pour la validation. Aucun jeu de test indépendant n’a été constitué; les résultats doivent donc être interprétés comme une validation interne. Sur les 80 images de validation, le modèle obtient une précision de 0,987, un rappel de 1,000, une mAP@0,50 de 0,992 et une mAP@0,50-0,95 de 0,967. L’approche hybride porte l’Intersection over Union moyenne de 0,91 à 0,94 grâce à la correction géométrique. Le temps d’inférence mesuré sur processeur est de 476,7 ms par image, ce qui convient à une captation ponctuelle mais pas encore à une vidéo fluide. Les résultats montrent l’intérêt de combiner l’apprentissage profond, robuste aux variations visuelles, avec la géométrie projective, précise et interprétable. Les limites concernent principalement la taille du jeu de données, l’absence de test externe, l’absence de scènes négatives sans tableau et les scènes fortement occultées. La reconnaissance optique de caractères n’est pas implémentée dans la version évaluée et constitue une perspective de recherche.