IHS : l’apprentissage profond propulse l’analytique à un autre niveau

Sécurité Québec
Août 30, 2017
Écrit par Sécurité Québec
Selon une note de recherche d'Oliver Philippou, analyste principal en vidéosurveillance chez IHS Markit, l'analytique vidéo est encore en train de se départir de la mauvaise réputation qu'elle a obtenue sur des promesses excessives et des résultats décevants, mais elle commence à tirer profit des succès techniques de l’apprentissage profond.

Voici comment se lit la note : 

L'apprentissage profond semble être en mesure d'offrir un niveau de précision et de fiabilité dans la classification des objets et des comportements qui permet, non seulement à l’analyse vidéo d’être à la hauteur de certaines de ses prétentions élevées – qu’elle n’a pas encore pu démontrées –, mais de pousser ses capacités encore beaucoup plus loin. D'une manière générale, il existe deux domaines principaux dans lesquels l’analytique d'apprentissage profond offre d'excellents avantages par rapport à la technologie qui l'a précédée. Ces avantages sont les suivants :

Précision
Une plainte de toujours à l’endroit des produits d’analytique traditionnels était que leurs algorithmes n'étaient pas en mesure de faire la différence entre les objets et les comportements qu'un être humain n'avait aucun problème à différencier. Cette déficience des algorithmes de vision par ordinateur repose, soit sur des brèches de sécurité non détectées, soit sur des fausses alarmes. La capacité des algorithmes d'apprentissage profond à observer une scène de manière intuitive, comme un observateur humain le ferait, signifie que la précision de détection augmente considérablement et que les fausses alarmes chutent. Les réseaux de neurones permettent à un ordinateur d'appliquer une série d'évaluations pour une situation donnée. Il s'agit d'un développement important pour l'industrie de l'analyse vidéo. Bien que certains utilisateurs n'aient peut-être pas besoin d'une solution analytique 100 % exacte à 100 % du temps, de nombreux cas nécessitent que le système de sécurité soit aussi infaillible que possible. Les utilisateurs du secteur des infrastructures critiques, par exemple, ne peuvent pas se permettre de manquer une violation de la sécurité, et ils peuvent dépenser beaucoup d'argent pour enquêter sur des fausses alarmes. Les algorithmes d'apprentissage profond ont montré qu'ils pouvaient apprendre à obtenir une précision de 99,9 % dans certaines tâches, là où les systèmes conventionnels ont du mal à obtenir une précision de 95 %. Dans plusieurs cas d'utilisation de la sécurité, ces quelques points de pourcentage font toute la différence.

Performance
Non seulement l’apprentissage profond a-t-il démontré sa capacité à augmenter radicalement l'efficacité d'un ordinateur à différencier de manière fiable les objets et les comportements, il permet également de traiter et d’analyser des volumes croissants de séquences vidéo dans une fraction du temps requis pour les analyses antérieures. Des entreprises comme Avigilon, Qognify et IronYun commercialisent maintenant de l’analytique qui tire parti de l’apprentissage profond pour transformer de grandes quantités de séquences vidéo en information utilisable dans une fraction du temps qu'il aurait fallu dans le passé. Le logiciel de traitement vidéo qui permet aux utilisateurs d'interagir avec leurs séquences de surveillance à l'aide d'une interface semblable à Google et de termes de recherche en langage naturel réduit considérablement le temps nécessaire pour trouver des images vidéo pertinentes dans un fichier d’archives pouvant contenir des milliers de flux.

La reconnaissance faciale est un domaine qui a beaucoup profité de l'architecture de l'apprentissage profond. En effet, la plupart des analyses de reconnaissance faciale sur le marché aujourd'hui utilisent une sorte d'apprentissage profond ou une autre. Non seulement cette technologie augmente-t-elle la précision des capteurs de reconnaissance faciale, mais elle permet également d'identifier les visages dans des zones plus vastes et plus achalandées. À la suite d'attaques terroristes récentes dans des endroits bondés, cette capacité pourrait changer radicalement toute l'approche de surveillance de sécurité, permettant aux forces de l’ordre de retrouver les suspects avec une vitesse et une efficacité beaucoup plus élevées. Herta est une des compagnies qui se spécialisent dans la reconnaissance faciale au milieu de grandes foules.

Ajouter un Commentaire


Code de sécurité
Rafraîchir

Les plus populaires

Événements récents

Focus On Drones
October 4, 2017
Sécurité Canada Central
October 18-19, 2017