Intelligence Artificielle: Deep Learning et CNN cela vous parle?

Deep Learning : ou Apprentissage Profond. Cette technique repose sur l’apprentissage par la machine afin qu’elle soit capable d’identifier, détecter, classer en catégories et qualifier de manière automatique les images captées en drone.

le LaBRI (laboratoire Bordelais de Recherche en Informatique :Université de Bordeaux) avec BeesForLife développe ces outils pour identifier les nids de frelons asiatiques dans la canopée des arbres.

 

Deep Learning et CNN*

Voici comment Futura Sciences explique le Deep Learning.

 

Le deep learning ou apprentissage profond est un type d'intelligence artificielle dérivé du machine learning(apprentissage automatique) où la machine est capable d'apprendre par elle-même, contrairement à la programmation où elle se contente d'exécuter à la lettre des règles prédéterminées.

Fonctionnement du Deep Learning

Le Deep Learning s'appuie sur un réseau de neurones artificiels s'inspirant du cerveau humain. Ce réseau est composé de dizaines voire de centaines de « couches » de  neurones, chacune recevant et interprétant les informations de la couche précédente. Le système apprendra par exemple à reconnaître les lettres avant de s'attaquer aux mots dans un texte, ou détermine s'il y a un visage sur une photo avant de découvrir de quelle personne il s'agit. 

À chaque étape, les « mauvaises » réponses sont éliminées et renvoyées vers les niveaux en amont pour ajuster le modèle mathématique. Au fur et à mesure, le programme réorganise les informations en blocs plus complexes. Lorsque ce modèle est par la suite appliqué à d'autres cas, il est normalement capable de reconnaître un chat sans que personne ne lui ait jamais indiqué qu'il n'ai jamais appris le concept de chat. Les données de départ sont essentielles : plus le système accumule d'expériences différentes, plus il sera performant.

 https://www.futura-sciences.com/tech/definitions/intelligence-artificielle-deep-learning-17262/   

Le LaBRI et BeesForLife par rapport au Deep Learning

C'est exactement ce que BeesForLife conduit comme programme sur la reconnaissance des nids de frelons asiatiques dans la canopée des arbres avec le LaBRI **.

Depuis 3 ans BeesForLife travaille et accumule des données capturées par drone embarquant des caméras IR (infra rouge)  et visible pour alimenter l'outil en cours de construction avec le LaBRI** pour identifier au plus tôt les nids de frelons.
L'application est basée sur le deep Learning (CNN*)  qui apprend à reconnaître un ensemble d’objets d’intérêt. Les images utilisées pour l’apprentissage sont annotées par le LaBRI pour l'expertise Deep Learning et BeesForLife pour l'expertise frelons et drones afin d’aider la machine dans son processus d’apprentissage.

Les travaux réalisés ont été présentés en novembre 2020 par le LaBRI à l'IPTA*** International Conference on Image Processing Theory, Tools and Applications 

 Voici le titre de l'exposé soutenu à l' IPTA*** : Detection of asian hornet's nest on drone acquired FLIR and color images using deep learning methods

Le sujet scientifique sera prochainement publié dans les revues de référence qui suivent le progrés de ces expertises.

http://www.ipta-conference.com/ipta20/index.php/prog   

CNN* Convolutional Neural Networks ,   LaBRI ** Laboratoire Borde:lais e Rechercheen Informatqiue (Université de Bordeaux  https://www.labri.fr ) ,  IPTA*** International Conference on Image Processing Theory, Tools and Applications.(sous l'égide de  l'IEEE : Institute of Electrical and Electronics Engineers 400 000 membres dans le monde)