Classification objet dans QuPath : bonnes pratiques
Classification objet dans QuPath : bonnes pratiques
Objectif
À la fin, vous aurez reproduit cette étape de bout en bout sur un cas test.
Avant de commencer
- Annotations d’entraînement déjà préparées.
- Classes cibles définies sans ambiguïté.
- Jeu de validation séparé.
Pas à pas
- Définir les classes cibles et annoter des exemples équilibrés.
- Extraire des features stables (morphologie + intensité).
- Entraîner le classifieur objet dans QuPath.
- Évaluer sur des zones non vues pendant l’entraînement.
- Sauvegarder le modèle et la version de features.
À copier-coller
Bonnes pratiques:
- classes équilibrées
- éviter annotations ambiguës
- figer les features avant comparaison de modèles
Vérifier que ça marche
- Les métriques du modèle sont calculées.
- Les erreurs majeures sont identifiées.
- Le modèle final est sauvegardé et traçable.
En cas de problème
- Rééquilibrer les classes d’entraînement.
- Vérifier la qualité des annotations de vérité terrain.