Nous construisons une application permettant de classer la race d’un chien en regardant simplement son image. Nous évaluerons la précision que notre modèle pourrait atteindre. Avec les nouvelles techniques du machine learning comme TensorFlow et les modèles pré-entraînés pour la reconnaissance d’images, la tâche pourrait être résolue avec une assez bonne précision sans déployer trop d’efforts et dépenser trop de temps et de ressources. Dans ce projet, nous allons parcourir de bout en bout la construction d’une application de classification de race de chien en utilisant TensorFlow. Nous procédons au prétraitement des images avec des techniques spécifiques (par exemple le blanchiment, l’égalisation et la modification de la taille de l’image), à l’augmentation des données (miroir, recadrage…), au CNN en créant nous même notre propre achitecture, au CNN en utilisant l’architecture InceptionResNet, et au transfert learning (InceptionResNet, VGG19, Xception, Resnet50, InceptionV3). Les données utilisées pour l’application proviennent de Stanford Dogs Dataset. Ce projet peut être trouvé sur Github