Geekbecois Culture geek téléchargée
Le 14 janvier dernier fut la journée du lancement d’une nouvelle chaire de recherche sur la vision artificielle à Montréal. Celle-ci unit l’École de technologie supérieure (ÉTS) et Orthogone Technologies. L’objectif de cette nouvelle chaire est d’optimiser le potentiel de la vision artificielle. Malgré les avancées spectaculaires, le rôle de la vision artificielle reste un enjeu majeur en apprentissage machine. Le professeur-chercheur Ismail Ben Ayed de l’ÉTS et Orthogone s’attaqueront à cette problématique en ayant recours à l’apprentissage profond.
La vision artificielle, c’est quoi ?
La vision artificielle (vision par ordinateur, vision numérique) est un domaine de recherche au sein duquel on tente de faire comprendre les données visuelles obtenues à un programme informatique ou à un système d’intelligence artificielle. Plus spécifiquement, les chercheurs tentent de faire comprendre aux machines ce qu’elles voient lorsqu’elles sont connectées à plusieurs caméras. L’objectif est d’améliorer le processus d’apprentissage profond de ces machines.
L’apprentissage profond s’effectue grâce à un réseau de neurones artificiels. Plusieurs couches de neurones composent ce réseau. Ceux-ci sont hiérarchisés selon le degré de complexités de concepts. Ces couches interagissent entre elles et permettent à la machine d’apprendre progressivement et efficacement. Cet apprentissage se fait à partir des mégadonnées, c’est-à-dire un immense ensemble de données qui proviennent de sources multiples. Ces données traitées n’ont aucune utilité comme tel. C’est plutôt du matériel dont dépendent d’autres technologies pour produire des informations qui seront, elles, utiles. L’analyse des données est le processus qui permet de découvrir des tendances dans les mégadonnées. Ce procédé est lié à l’apprentissage automatique. Celui-ci est défini comme étant un sous-domaine de l’intelligence artificielle (IA) qui se concentre sur la conception de systèmes qui apprennent — ou améliorent le rendement — en fonction des données qu’ils consomment.
La vision artificielle, son rôle
Pourquoi s’intéresser à la vision artificielle ? Ismail Ben Ayed explique qu’ : « encore aujourd’hui, il faut que des humains annotent les images afin que les algorithmes puissent leur donner un sens. Ce procédé comporte ses limites, étant donné la quantité de données existant dans le monde réel et le nombre restreint de catégories dans lesquelles ces données peuvent être classées dans le monde virtuel actuel ».
Certains éléments ajoutent à cette complexité. Par exemple, les différents types d’appareils tels que des capteurs optiques, thermiques et lasers. De plus, le contexte dans lequel les images sont captées varie constamment. L’un des exemples parfaits est la photographie d’une voiture. Cette dernière sera plus facilement reconnaissable en été que sous la neige. En effet, la définition des formes de la voiture sera meilleure l’été. Il deviendra donc plus facile pour le programme d’apprentissage profond de reconnaitre la voiture en été. D’autres problématiques, telles que la photo optique en couleur ou la photo thermique, présentent également des défis importants.
Ainsi, la chaire soutient que : «les avancées en matière d’apprentissage profond, et plus particulièrement celles des réseaux de neurones à convolution, pourraient permettre à la vision artificielle de surmonter ces obstacles. C’est la piste qu’explorera le professeur Ben Ayed, en recourant à des méthodologies d’apprentissage multimodal et semi-supervisé, pour résoudre des problèmes de reconnaissance visuelle».
Cette chaire de recherche sur la vision artificielle semble prometteuse. Les résultats pourraient modifier les systèmes d’apprentissage profond actuels.
Les membres de la chaire de recherche sur la vision artificielle :
À propos du professeur Ismail Ben Ayed
« Le professeur Ben Ayed figure dans le top 5 mondial quant au nombre de publications ayant pour sujets Image segmentation, Pixels et Interactive segmentation. Ses publications reçoivent en moyenne 45 % plus de citations que la moyenne mondiale en ce domaine. Il ne fait aucun doute que cette collaboration est promise à un très grand avenir », a conclu François Gagnon, directeur général de l’ÉTS.
À propos de l’ÉTS
L’ÉTS est l’une des dix constituantes de l’Université du Québec. Elle forme des ingénieurs et des chercheurs reconnus pour leur approche pratique et innovatrice, le développement de nouvelles technologies et leur aptitude à transférer leurs connaissances en entreprise. Selon CS ranking, l’ÉTS occupe une place de choix dans cette branche de l’intelligence artificielle qu’est la vision artificielle : elle se classe au 1er rang au Québec, et au 6e au Canada, pour ce qui est des publications scientifiques dans ce domaine. Pour en savoir plus, visitez : etsmtl.ca.
À propos d’Orthogone
Fondée en 2007 et comptant aujourd’hui plus de 50 employés, Orthogone se spécialise dans les services-conseils en technologie et dans le développement de produits technologiques, en plus d’offrir des services de recherche et développement sur le marché des systèmes intégrés. Orthogone conçoit des capteurs personnalisés pour des applications liées aux domaines médical, industriel et automobile. Ayant conçu de nombreux capteurs intelligents pour des clients de premier plan, Orthogone possède une solide expertise en conception matérielle et logicielle, et ce, pour un large éventail de produits. Pour en savoir plus, visitez : orthogone.ca.
