De puissants algorithmes de vision par ordinateur sont désormais suffisamment petits pour fonctionner sur votre téléphone

Catégorie: Intelligence artificielle Posté 11 octobre

Les chercheurs ont réduit les modèles de vision par ordinateur à la pointe de la technologie pour les faire fonctionner sur des appareils à faible consommation d'énergie.

Douleurs de croissance: La reconnaissance visuelle est la compétence la plus forte de l'apprentissage en profondeur. Les algorithmes de vision par ordinateur analysent les images médicales, permettent la conduite de voitures autonomes et alimentent la reconnaissance faciale. Mais la formation de modèles pour reconnaître les actions dans les vidéos est devenue de plus en plus coûteuse. Cela a alimenté les inquiétudes concernant l'empreinte carbone de la technologie et son inaccessibilité croissante dans les environnements à faibles ressources.

La recherche: Les chercheurs du MIT-IBM Watson AI Lab ont maintenant développé une nouvelle technique pour former des modèles de reconnaissance vidéo sur un téléphone ou un autre appareil avec une capacité de traitement très limitée. En règle générale, un algorithme traitera la vidéo en la divisant en images et en exécutant des algorithmes de reconnaissance sur chacune d'elles. Il rassemble ensuite les actions présentées dans la vidéo en observant comment les objets changent au fil des images suivantes. La méthode nécessite que l'algorithme se souvienne de ce qu'il a vu dans chaque image et de l'ordre dans lequel il l'a vu. C'est inutilement inefficace.

Dans la nouvelle approche, l'algorithme extrait à la place des croquis de base des objets dans chaque image et les superpose les uns sur les autres. Plutôt que de se souvenir de ce qui s'est passé quand, l'algorithme peut avoir une impression du temps qui passe en regardant comment les objets se déplacent dans l'espace dans les croquis. Lors des tests, les chercheurs ont découvert que la nouvelle approche entraînait des modèles de reconnaissance vidéo trois fois plus rapidement que l'état de l'art. Il a également pu rapidement classer les gestes de la main avec un petit ordinateur et une caméra fonctionnant uniquement avec suffisamment d'énergie pour alimenter un éclairage de vélo.

Pourquoi est-ce important: La nouvelle technique pourrait aider à réduire les retards et les coûts de calcul dans les applications commerciales existantes de la vision par ordinateur. Cela pourrait, par exemple, rendre les voitures autonomes plus sûres en accélérant leur réaction aux informations visuelles entrantes. La technique pourrait également débloquer de nouvelles applications qui n'étaient pas possibles auparavant, par exemple en permettant aux téléphones d'aider à diagnostiquer les patients ou à analyser des images médicales.

IA distribuée : À mesure que de plus en plus de recherches sur l'IA se traduisent en applications, le besoin de modèles plus petits augmentera. L'article MIT-IBM fait partie d'une tendance croissante à réduire les modèles de pointe à une taille plus gérable.

Pour recevoir plus d'histoires comme celle-ci directement dans votre boîte de réception, inscrivez-vous à notre newsletter AI nominée par Webby, The Algorithm. C'est gratuit.