LaMOP/Yolo26n-Cls-Carte

Model Card for Yolo-PH-Carte

Modèle YOLO finetuné pour la détection et l'exploration de données visuelles liées à l'histoire.

---

Model Details

Model Description

• Developed by: LaMOP, CNRS
• Model type: YOLOv26-cls avec six classes (Carte, Manuscrit, Peinture, Dessin, Photo, Graph)
• Language(s) (NLP): fr (français)
• License: CC-Zero (CC0 1.0)

---

Uses

Direct Use

Ce modèle est conçu pour la fouille exploratoire dans des silos de données liés à l'histoire. Il permet de catégoriser des images historiques (ex: cartes, plans, illustrations), afin de faciliter l'analyse et la recherche en histoire et patrimoine.

Out-of-Scope Use

• Ne pas utiliser pour des applications critiques nécessitant une précision absolue (ex: authentification d'œuvres d'art, décisions légales).
• Ne pas utiliser pour des tâches autres que l'exploration de données visuelles historiques.

---

Bias, Risks, and Limitations

Bias, Risks, and Limitations

• Biais culturels/historiques: Le modèle est entraîné sur des données spécifiques au patrimoine historique, ce qui peut limiter ses performances sur des images d'autres périodes ou cultures.
• Limites techniques: Les performances dépendent de la qualité et de la diversité des données d'entraînement. Les petites tailles d'objets ou les images de faible résolution peuvent réduire l'efficacité de la détection.
• Interprétation des résultats: Les résultats doivent être validés par des experts pour éviter les erreurs d'interprétation dans un contexte de recherche.

Recommendations

• Utilisation recommandée: Utiliser ce modèle comme outil d'exploration et de pré-annotation pour des analyses ultérieures par des historiens ou archivistes.
• Validation humaine: Toujours valider les résultats avec une expertise humaine, surtout pour des études critiques.
• Amélioration continue: Enrichir les données d'entraînement avec des images variées pour réduire les biais et améliorer la robustesse.

---

How to Get Started with the Model

Voici un exemple de code pour utiliser le modèle avec la bibliothèque ultralytics (YOLO) en Python:

from ultralytics import YOLO

# Charger le modèle finetuné
model = YOLO("Yolo26n-Cls-Carte.pt")

# Exemple d'inférence sur une image
results = model.predict("chemin/vers/votre/image.jpg")

# Afficher les résultats
results[0].show()