Distances et similarités entre images : guide pratique pour la vision par ordinateur - python

Résumé

Ce rapport explore, pas à pas et en français, les principales méthodes permettant de comparer deux images en les traitant comme des vecteurs de valeurs numériques en utilisant le langage de programmation python. Il implémente et compare les distances Euclidienne et de Manhattan, la similarité Cosinus, l'indice de Jaccard, le coefficient de Sørensen–Dice et la corrélation de Pearson — chacune codée en boucles imbriquées puis en version compacte (compréhensions Python). Il inclut rappels théoriques, formules mathématiques rendues proprement, et tests de validation (sanity checks), ce qui en fait un support pédagogique solide pour qui veut comprendre ces métriques avant de passer à NumPy/scikit-learn.

Mots-clés

Informations détaillées

Auteurs

Fichiers disponibles

Commentaires (0)