Systèmes de vision d'inspiration biologique

Les neuroscientifiques du MIT ont développé un modèle informatique qui imite le système de vision humain pour détecter et reconnaître avec précision des objets dans une scène de rue animée, comme des voitures et des motos.

Reconnaître des objets dans une scène, comme la voiture dans la scène de rue montrée ici, peut être un défi pour les ordinateurs. Un modèle de la façon dont le cerveau traite les informations visuelles offre une approche efficace.

De tels systèmes de vision d'inspiration biologique pourraient bientôt être utilisés dans des systèmes de surveillance ou dans des capteurs intelligents capables d'avertir les conducteurs des piétons et d'autres obstacles. Cela peut également aider au développement de soi-disant moteurs de recherche visuels, dit Thomas Serre , neuroscientifique au Centre d'apprentissage biologique et informatique au McGovern Institute for Brain Research du MIT, qui a participé au projet.

Les chercheurs s'intéressent depuis des années à essayer de copier des systèmes de vision biologique, simplement parce qu'ils sont si bons, explique David Hogg, expert en vision par ordinateur à l'Université de Leeds au Royaume-Uni. C'est un exemple très réussi de [mimer la vision biologique], dit-il.

Apprendre à un ordinateur à classer des objets s'est avéré beaucoup plus difficile que prévu à l'origine, explique Serre, qui a effectué le travail avec Tomaso Poggio , codirecteur du centre. D'une part, pour reconnaître un type particulier d'objet, comme une voiture, un ordinateur a besoin d'un modèle ou d'une représentation informatique spécifique à cet objet particulier. Un tel modèle permet à l'ordinateur de distinguer une voiture des objets d'autres classes – les non-voitures. Pourtant, cette représentation doit être suffisamment flexible pour inclure tous les types de voitures, quelle que soit leur apparence, sous différents angles, positions et poses, et dans différentes conditions d'éclairage.

Vous voulez pouvoir reconnaître un objet n'importe où dans le champ de vision, où qu'il se trouve et quelle que soit sa taille, explique Serre. Pourtant, si vous analysez les images uniquement par leurs motifs de pixels clairs et sombres, deux images de portrait de personnes différentes peuvent finir par se ressembler davantage que deux images de la même personne prises sous des angles différents.

La méthode la plus efficace pour contourner ces problèmes est d'entraîner un algorithme d'apprentissage sur un ensemble d'images et de lui permettre d'extraire les caractéristiques qu'elles ont en commun ; deux roues alignées avec la route pourraient signaler une voiture, par exemple. Serre et Poggio pensent que le système visuel humain utilise une approche similaire, mais qui dépend d'une hiérarchie de couches successives dans le cortex visuel. Les premières couches du cortex détectent les caractéristiques les plus simples d'un objet, telles que les bords, et les couches supérieures intègrent ces informations pour former notre perception de l'objet dans son ensemble.

Pour tester leur théorie, Serre et Poggio ont travaillé avec Stanley Bileschi, également au MIT, et Lior Wolf, membre du département d'informatique de l'Université de Tel Aviv en Israël, pour créer un modèle informatique comprenant 10 millions d'unités de calcul, chacune conçue pour se comporter comme des amas de neurones dans le cortex visuel. Tout comme dans le cortex, les amas sont organisés en couches.

Lorsque le modèle apprend à voir pour la première fois, certaines des unités semblables à des cellules extraient des caractéristiques rudimentaires de la scène, telles que des bords orientés, en analysant de très petits groupes de pixels. Ces neurones sont généralement comme des trous d'épingle qui regardent une petite partie du champ visuel, explique Serre. Les unités plus complexes sont capables de prendre une plus grande partie de l'image et de reconnaître les caractéristiques quelle que soit leur taille ou leur position. Par exemple, si les unités simples détectent les bords verticaux et horizontaux, une unité plus complexe pourrait utiliser ces informations pour détecter un coin.

À chaque couche successive, des caractéristiques de plus en plus complexes sont extraites de l'image. Il en va de même des relations entre les caractéristiques, telles que la distance entre deux parties d'un objet ou les différents angles auxquels les deux parties sont orientées. Cette information permet au système de reconnaître le même objet sous différents angles.

Ce fut une surprise pour nous lorsque nous avons appliqué ce modèle à des tâches visuelles du monde réel et il rivalisait bien avec les meilleurs systèmes, explique Serre. En effet, dans certains tests, leur modèle a réussi à reconnaître les objets plus de 95 % du temps, en moyenne. Plus le système est entraîné sur des images, plus il fonctionne avec précision.

Peut-être que nous ne devrions pas être surpris, dit David Lowe , un expert en vision par ordinateur et en reconnaissance d'objets à l'Université de Colombie-Britannique à Vancouver. La vision humaine est bien meilleure pour la reconnaissance que n'importe lequel de nos systèmes informatiques actuels, donc tout indice sur la façon de procéder à partir de la biologie sera probablement très utile.

Pour le moment, le système est conçu pour analyser uniquement des images fixes. Mais cela correspond tout à fait au fonctionnement du système de vision humaine, dit Serre. Les entrées du cortex visuel sont partagées par un système qui traite des formes et des textures tandis qu'un système séparé traite du mouvement, dit-il. L'équipe travaille actuellement à l'intégration d'un système parallèle pour gérer la vidéo.

cacher