Le Deep Learning ajoute de la valeur aux solutions vidéos

25 Apr 2019

Dans cet article Uri Guterman, Directeur des produits et du marketing chez Hanwha Techwin Europe, et Alessia Saggese, copropriétaire de A.I Tech et professeur adjoint à l’université de Salerne, présentent le Deep Learning et la manière dont les deux entreprises collaborent pour proposer des solutions aptes à ajouter de la valeur aux systèmes de vidéoprotection avec des avantages concrets au quotidien.

Les progrès réalisés en matière d’intelligence et de vision artificielles ont été tellement rapides que les pionniers de ces technologies, tels que le chercheur Yann LeCun, ont pu parfois décrire avec humour tous les travaux réalisés avant 2012 comme étant « préhistoriques ». En matière de reconnaissance des objets, les algorithmes de cette époque n’étaient précis qu’à 75 %. Aujourd’hui, grâce à une approche basée sur le Deep Learning, nous sommes en droit d’attendre une précision bien supérieure. Dans les faits, compte tenu des avancées réalisées ces 12 derniers mois, nous allons bientôt sérieusement envisager d’intégrer ces technologies à la majorité des systèmes de vidéoprotection.

Nous aurions tort de considérer le Deep Learning comme une sorte de plateforme logicielle avancée d’analyse de la vidéo, car il représente une révolution radicale pour le secteur de la sécurité en ce qui concerne la manière de détecter les incidents et d’y réagir.

 

Qu’est-ce que le Deep Learning ?

À la différence de la plupart des autres systèmes d’analyse vidéo, les développeurs d’applications Deep Learning n’ont pas besoin de créer des algorithmes compliqués pour reconnaitre les objets. Une solution basée sur le Deep Learning peut en effet « apprendre par l’exemple ». Pendant une phase d’apprentissage initiale, l’application reçoit une grande quantité de données représentant des exemples du défi actuel correctement résolu, p.ex. la classification de personnes par âge ou par genre.

Un réseau de neurones profonds analyse la relation entre les données entrées et le résultat attendu, comme le genre d’une personne, et apprend à résoudre le problème par des analogies. Par exemple, la capacité à correctement établir le genre d’une personne implique qu’un expert en I.A. conçoive, forme et valide un réseau de neurones profonds qui utilisera, pendant sa phase d’apprentissage, une base de données contenant des millions de visages sélectionnés, chacun accompagné du genre de la personne. Après plusieurs jours d’apprentissage, le réseau de neurones profonds peut être mis en service avec une précision potentielle de 98 %, soit environ identique à celle d’un humain.

 

Le défi

Le Deep Learning nécessite l’expertise de spécialistes en Machine Learning et d’énormes capacités de calcul, car l’application doit être capable de faire face aux conditions « de la vie réelle », telles que les changements d’éclairage, les ombres, la position d’un visage, etc. Par conséquent, les solutions de Deep Learning, à l’exception des plus basiques, devront être exécutées sur des serveurs disposant de suffisamment de puissance de calcul et de mémoire. Pour que le Deep Learning soit un complément pratique à la majorité des systèmes de vidéoprotection, il est généralement admis qu’il nécessitera une architecture logicielle optimisée pour pouvoir être exécuté de manière embarquée. Notamment sur les caméras, à la manière des applications de nos smartphones et tablettes.

 

Le partenariat de Hanwha Techwin

Réduire la puissance de calcul nécessaire au Deep Learning, afin de pouvoir en profiter de manière embarquée, n’est par une mince affaire, c’est pourquoi Hanwha Techwin défend l’idée d’une étroite collaboration entre les fabricants de solutions de vidéoprotection et les experts du domaine afin de bénéficier des dernières innovations et recherches.

Pour Hanwha Techwin, cela signifie travailler en partenariat avec A.I. Tech – rattaché au département d’ingénierie informatique (DIEM) de l’université de Salerne (UNISA), qui dispose d’un groupe de recherche sur les « machines intelligentes de reconnaissance vidéo ». A.I. Le PDG de A.I. Tech, Mario Vento, est considéré comme l’un des plus grands spécialistes italiens de ce type d’ingénierie et compte également parmi les auteurs les plus cités en Italie dans les domaines de l’intelligence et de la vision artificielles.

 

A.I. Caméras I.A.

Hanwha Tecwhin travaille également au lancement de nouvelles caméras Wisenet pendant la première partie de 2019. Celles-ci intègreront un processeur de vision numérique permettant d’exécuter des applications basées sur le Deep Learning directement sur les caméras. Ces nouvelles caméras 4K et 5 Mpx viendront compléter notre gamme de caméras premium Wisenet P, et représenteront dans un premier temps une évolution de la précision des systèmes d’analyse de la vidéo actuels. Elles formeront également une plateforme pour que nos partenaires technologiques utilisent nos API afin de créer des applications révolutionnaires utilisant le Deep Learning utilisables directement depuis les caméras.

 deep2

Vous avez des questions sur le Deep Learning ? Envoyez un e-mail à Uri Uri Guterman à l’adresse [email protected] ou à Alessia Saggese à l’adresse [email protected]

 

This post is also available in: Anglais, Allemand, Italien, Espagnol, Polonais, Turc