Focus Technologie et Transport - "Deep Learning" - Etablissement du système de reconnaissance faciale le plus précis au monde. (27/10/2014)

Article rédigé le 27/10/2014

PNG

Les êtres humains peuvent reconnaître des visages avec une précision de 97.53%. Cette précision n’avait jusqu’à aujourd’hui jamais été égalée par des ordinateurs.

Une équipe de chercheurs de la Chinese University of Hong Kong (CUHK), dirigée par le Professeur Xiaoou Tang et le Professeur Xiaogang Wang, vient de parvenir à cette prouesse en mettant au point le système de reconnaissance faciale le plus précis au monde. Basé sur le "Deep Learning", ce nouveau système dispose d’une précision de 99.15% dans la reconnaissance des visages même dans des conditions variables dont des changements de lumière, du maquillage et différents angles de caméra. Par ailleurs, alors que les systèmes de vidéosurveillance classique ne permettent de se concentrer que sur un petit nombre d’objets dans un environnement simple, ce nouveau système permettra de cibler des milliers d’objets dans un environnement très complexe.

Selon le professeur Xiaogang Wang, la principale difficulté de la reconnaissance faciale est l’identification des caractéristiques qui différencient les visages ; il est nécessaire de limiter les variations intra-personnelles tout en élargissant les différences interpersonnelles. Le "Deep Learning" a permis la prise en compte de ces deux types de variations et ainsi d’améliorer fortement la précision dans la reconnaissance.

Le "Deep Learning" est un algorithme capable d’apprendre en simulant l’activité cérébrale humaine. Il s’agit d’une des avancées majeures en intelligence artificielle et fait partie des 10 percées technologiques de 2013 sélectionnées par le célèbre Massachusetts Institut of Technology (MIT).

Dans le principe de ’Deep learning’, une base de données est fournie à l’algorithme qui va l’analyser, en identifier les spécificités, et utiliser le résultat de son analyse pour étudier un nouveau problème, il s’agit de l’apprentissage. Par exemple, on fournit 10 images identifiées comme étant des ornithorynques et 10 images identifiées comme n’étant pas des ornithorynques. L’algorithme va apprendre à reconnaitre les ornithorynques en identifiant les caractéristiques communes des images : la forme de l’animal, la couleur, l’environnement... et en leurs attribuant des niveaux d’importance différents. Une fois l’apprentissage terminé, une nouvelle image est presentee à l’ordinateur en lui demandant s’il s’agit d’un ornithorynque. Si un certain nombre de critères correspondent, la réponse sera oui, sinon ce sera non. L’intérêt de ce type d’algorithme est de pouvoir prendre en compte des variations inconnues, par exemple un animal ayant toutes les caractéristiques d’un ornithorynque mais dont la couleur ne correspond pas à quelque chose de connu pourra quand même être identifié comme un ornithorynque. Cela correspond au mode de fonctionnement de notre cerveau. Plus le nombre d’exemples est grand, plus l’apprentissage sera complet et l’algorithme précis.

De nombreuses applications dans les domaines de la sécurité, de l’internet et du divertissement sont à la clé de ces travaux.

CUHK est pionnière dans le domaine du "Deep Learning" et a ainsi créé, en partenariat avec la société Nvidia [1], le premier centre de recherche hongkongais, sur le CUDA [2] dans le but de former les scientifiques à l’utilisation du "Graphics Processing Unit (GPU)accelerators", un processeur à haute performance générant des graphiques interactifs sur plusieurs plateformes. Ce partenariat permet au laboratoire de disposer d’équipements à la pointe, de la technologie, comme un processeur graphique extrêmement performant, le Tesla K40 GPU, permettant de réaliser en 10 heures la phase d’apprentissage de l’algorithme pour la reconnaissance faciale alors qu’un processeur classique aurait nécessité un mois. Le département d’électronique de CUHK offre également à ses étudiants un cours sur le "Deep Learning" depuis cette année.

Sources :

- Actualités de CUHK 06/08/2014 - http://www.cpr.cuhk.edu.hk/en/press_detail.php?id=1856
- Michael A. Nielsen, "Neural Networks and Deep Learning", Determination Press, 2014 - neuralnetworksanddeeplearning.com/chap1.html
- An Introduction to Deep Learning : From Perceptrons to Deep Networks :http://redirectix.bulletins-electroniques.com/cnWzq
- MIT Technology Review : http://www.technologyreview.com/featuredstory/513696/deep-learning/

Rédacteur :

Maël LE BAIL, Chargé de mission scientifique - Hong Kong

publié le 07/08/2015

haut de la page