Mise à jour de l'affichage du résultat (% de précision)

main.py

@@ -2,10 +2,11 @@ import os
 import cv2
 from src.pipeline import ObjectDetectionPipeline
 from src.classifiers.bayesian import BayesianClassifier
+from collections import defaultdict
 
 if __name__ == "__main__":
     # Chemin vers le modèle entraîné
-    model_path = "models/bayesian_model.pth"
+    model_path = "models/bayesian_modelPAGE.pth"
 
     # Chargement du modèle bayésien
     print(f"Chargement du modèle bayésien depuis {model_path}")
@@ -52,4 +53,42 @@ if __name__ == "__main__":
     print("Sauvegarde et affichage des résultats...")
     pipeline.display_results(class_counts, detected_objects)
 
+    # Chargement des comptes réels manuels avec distinction entre minuscule et majuscule
+    true_counts_manual = {
+        'A_': 30, 'A': 30, 'B_': 4, 'B': 0, 'C_': 14, 'C': 14, 'D_': 17, 'D': 17,
+        'E_': 68, 'E': 69, 'F_': 2, 'F': 2, 'G_': 8, 'G': 8, 'H_': 9, 'H': 9,
+        'I_': 26, 'I': 25, 'J_': 1, 'J': 0, 'K_': 0, 'K': 0, 'L_': 20, 'L': 19,
+        'M_': 15, 'M': 15, 'N_': 30, 'N': 29, 'O_': 37, 'O': 37, 'P_': 23, 'P': 22,
+        'Q_': 5, 'Q': 4, 'R_': 28, 'R': 27, 'S_': 26, 'S': 25, 'T_': 38, 'T': 38,
+        'U_': 25, 'U': 25, 'V_': 7, 'V': 6, 'W_': 1, 'W': 0, 'X_': 2, 'X': 2,
+        'Y_': 6, 'Y': 5, 'Z_': 3, 'Z': 2,
+        '1': 8, '2': 11, '3': 2, '4': 1, '5': 2, '6': 1, '7': 1, '8': 3, '9': 3
+    }
+
+    # Chargement des résultats détectés depuis results.txt
+    results_path = "output/results.txt"
+    detected_counts = defaultdict(int)
+    if os.path.exists(results_path):
+        with open(results_path, "r") as f:
+            for line in f:
+                char, count = line.strip().split(":")
+                detected_counts[char.strip()] = int(count.strip())
+    else:
+        print(f"Le fichier {results_path} n'existe pas.")
+        exit(1)
+
+    # Calcul du pourcentage de précision
+    print("Calcul du pourcentage de précision...")
+    total_true = sum(true_counts_manual.values())
+    common_keys = set(true_counts_manual.keys()) & set(detected_counts.keys())
+
+    correctly_detected = sum(min(detected_counts[char], true_counts_manual[char]) for char in common_keys)
+    precision = (correctly_detected / total_true) * 100 if total_true > 0 else 0
+
+    # Afficher les résultats
+    print("\nRésultats de comparaison :")
+    for char in sorted(common_keys):
+        print(f"{char}: True={true_counts_manual[char]}, Detected={detected_counts[char]}")
+
+    print(f"\nPrécision globale : {precision:.2f}%")
     print(f"Les résultats ont été sauvegardés dans le dossier : {output_dir}")

src/pipeline.py

@@ -87,7 +87,7 @@ class ObjectDetectionPipeline:
             cv2.rectangle(annotated_image, (x, y), (x + w, y + h), (0, 255, 0), 2)
             cv2.putText(annotated_image, str(predicted_class), (x, y - 10),
                         cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)
-        annotated_output_path = os.path.join(self.output_dir, "annotated_image.jpg")
+        annotated_output_path = os.path.join(self.output_dir, "annotated_page.jpg")
         cv2.imwrite(annotated_output_path, annotated_image)
 
         # Sauvegarder les classes et leurs occurrences

train.py

@@ -51,6 +51,6 @@ if __name__ == "__main__":
     print("Entraînement terminé.")
 
     # Sauvegarde du modèle entraîné
-    model_path = "models/bayesian_model.pth"
+    model_path = "models/bayesian_modelPAGE.pth"
     bayesian_model.save_model(model_path)
     print(f"Modèle sauvegardé dans : {model_path}")