SmartWebScraper-CV

Introduction

  • Contexte Général
  • Problématiques du Scrapping Traditionnel
  • Solutions Apportées par l’Approche Visuelle
  • Avantages de Cette Approche
  • Contexte Académique
  • Objectifs du Projet
  • Objectifs Techniques Détaillés
  • Objectifs Fonctionnels
  • Workflow Complet
  • Objectifs d’Innovation
  • Métriques de Succès

Acquisition des Données

  • Constitution et Acquisition des Données
  • Stratégie d’Acquisition
  • Début de Constitution du Dataset
  • Résultats de la Collecte
  • Types de Contenu Priorisés
  • Méthode de Nettoyage
  • Traçabilité et Métadonnées
  • Défis Techniques Rencontrés
  • Validation de la Qualité
  • Préparation pour l’Annotation

Annotation et Dataset

  • Annotation et Structuration du Dataset
  • Objectif de l’Annotation
  • Évolution des Classes d’Annotation
  • Justification de l’Extension
  • Défis de l’Annotation Multi-Classes
  • Format d’Annotation COCO
  • Processus d’Annotation
  • Métriques de Qualité d’Annotation

Modélisation

  • Détection d’Objets : Modélisation et Fine-Tuning
  • Choix du Modèle de Détection
  • Architecture Technique Détaillée
  • Entraînement Initial
  • Environnement d’Entraînement
  • Métriques d’Évaluation
  • Analyse des Performances
  • Intégration dans l’Application
  • Optimisations Appliquées

OCR et NLP

  • Traitement NLP des Textes Extraits
  • Architecture du Système NLP
  • Principe de Préservation à 100%
  • Étapes de Traitement
  • Fonctionnalités de Traitement
  • Système Question-Réponse Local
  • Optimisations Performance
  • Métriques de Performance

API et Références

  • Guide d’Installation
  • Prérequis Système
  • Installation Complète
  • Installation des Services Externes
  • Configuration et Tests
  • Lancement de l’Application
  • Configuration Docker (Optionnel)
  • Dépannage
SmartWebScraper-CV
  • Recherche

© Droits d'auteur 2025, DJERI-ALASSANI OUBENOUPOU & EL MAJDI WALID.

Compilé avec Sphinx en utilisant un thème fourni par Read the Docs.