Utilisation
===========

Le package **yolo-sara** fournit une API simplifiée pour l'entraînement, l'inférence et l'export de modèles YOLO.

Import des modules
------------------

.. code-block:: python

   from altametris.sara.yolo import YoloModel, YoloTrainer, YoloDetector, YoloExporter

Entraînement d'un modèle
-------------------------

Exemple d'entraînement avec YOLOv11 pour la segmentation :

.. code-block:: python

   from altametris.sara.yolo import YoloModel, YoloTrainer

   # Créer le modèle
   model = YoloModel(version="11", task="segment", size="x", pretrained=True)

   # Initialiser le trainer
   trainer = YoloTrainer(model=model, device="cuda")

   # Lancer l'entraînement
   results = trainer.train(
       dataset_config="dataset.yaml",
       epochs=100,
       batch_size=16,
       imgsz=640,
       patience=20
   )

Inférence et détection
-----------------------

Détection d'objets sur une image :

.. code-block:: python

   from altametris.sara.yolo import YoloDetector

   # Charger le détecteur
   detector = YoloDetector(model_path="weights/best.pt", task="detect")

   # Prédiction sur une image
   results = detector.predict(
       source="image.jpg",
       conf=0.25,
       imgsz=640,
       save=True
   )

   # Accéder aux résultats
   for result in results:
       boxes = result.boxes
       print(f"Détecté {len(boxes)} objets")

Inférence depuis Azure Blob Storage
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

.. code-block:: python

   from altametris.sara.yolo import YoloDetector

   detector = YoloDetector(model_path="weights/best.pt", task="segment")

   # Prédiction depuis un blob Azure
   results = detector.predict_from_blob(
       connection_string="DefaultEndpointsProtocol=https;...",
       container_name="images",
       blob_name="test.jpg",
       conf=0.3
   )

Export de modèles
-----------------

Export au format ONNX pour l'optimisation :

.. code-block:: python

   from altametris.sara.yolo import YoloExporter

   # Créer l'exporter
   exporter = YoloExporter(model_path="weights/best.pt")

   # Export ONNX
   onnx_path = exporter.export(
       format="onnx",
       imgsz=640,
       half=True,
       simplify=True
   )

   print(f"Modèle exporté : {onnx_path}")

Formats d'export supportés
~~~~~~~~~~~~~~~~~~~~~~~~~~~

.. code-block:: python

   # ONNX (optimisé pour production)
   exporter.export(format="onnx")

   # TensorFlow Lite (edge devices)
   exporter.export(format="tflite")

   # TorchScript (PyTorch production)
   exporter.export(format="torchscript")

Pour plus d'exemples
---------------------

Consultez le répertoire ``examples/`` dans le dépôt Git :

- ``examples/train_yolo.py`` : Entraînement complet
- ``examples/inference_yolo.py`` : Inférence et prédictions
- ``examples/export_yolo.py`` : Export de modèles

.. note::
   Documentation complète : `yolo-sara repository <https://dev.azure.com/altametris/DEV-IA/_git/yolo-sara>`_