.. note::

    Bonjour et bienvenue dans la Communauté Facebook des passionnés de Raspberry Pi, Arduino et ESP32 de SunFounder ! Plongez plus profondément dans l'univers des Raspberry Pi, Arduino et ESP32 avec d'autres passionnés.

    **Pourquoi rejoindre ?**

    - **Support d'experts** : Résolvez les problèmes après-vente et les défis techniques avec l'aide de notre communauté et de notre équipe.
    - **Apprendre et partager** : Échangez des astuces et des tutoriels pour améliorer vos compétences.
    - **Aperçus exclusifs** : Accédez en avant-première aux annonces de nouveaux produits et aux aperçus.
    - **Réductions spéciales** : Profitez de réductions exclusives sur nos produits les plus récents.
    - **Promotions festives et cadeaux** : Participez à des cadeaux et des promotions de vacances.

    👉 Prêt à explorer et à créer avec nous ? Cliquez [|link_sf_facebook|] et rejoignez-nous aujourd'hui !

Vidéo 64 : Détection d'Objets sur Raspberry Pi Utilisant TensorFlow Lite
=======================================================================================

Cette vidéo compare deux approches différentes pour configurer la détection d'objets sur un Raspberry Pi : l'une utilisant TensorFlow Lite et l'autre utilisant OpenCV avec TensorFlow. Dans le premier tutoriel, les spectateurs apprennent à configurer TensorFlow Lite pour la détection d'objets sur un Raspberry Pi, couvrant l'installation, la configuration de la caméra et la configuration du détecteur d'objets. Le deuxième tutoriel se concentre sur la configuration de la détection d'objets en utilisant OpenCV et TensorFlow, explorant divers paramètres, la conversion d'images, la création de tenseurs d'images, la détection d'objets, la visualisation et l'exploration de la caméra.

1. Introduction à la détection d'objets sur Raspberry Pi utilisant TensorFlow Lite et OpenCV avec TensorFlow.
2. Configuration de l'environnement : Installation des dépendances et bibliothèques nécessaires pour chaque approche.
3. Configuration des caméras : Installation de la caméra Raspberry Pi et de la webcam pour la capture d'images.
4. Configuration de la détection d'objets : Définition des paramètres et des seuils pour détecter des objets dans les images.
5. Conversion d'images et création de tenseurs : Conversion des images en formats compatibles et création de tenseurs d'images pour le traitement TensorFlow.
6. Exécution de la détection d'objets : Utilisation des modèles TensorFlow pour détecter des objets dans les images.
7. Visualisation des résultats : Affichage des résultats de détection sur les images originales avec des boîtes englobantes et des étiquettes.
8. Exploration de la caméra : Évaluation des performances de la détection d'objets avec différentes caméras et ajustement des paramètres en conséquence.

**Vidéo**

.. raw:: html

    <iframe width="100%" 
    style="aspect-ratio: 16/9; max-width: 100%;"
    src="https://www.youtube.com/embed/yE7Ve3U5Slw?si=lqmrduQE8q64qByy" 
    title="YouTube video player" 
    frameborder="0" 
    allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" 
    allowfullscreen>
    </iframe>