IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)

Vous êtes nouveau sur Developpez.com ? Créez votre compte ou connectez-vous afin de pouvoir participer !

Vous devez avoir un compte Developpez.com et être connecté pour pouvoir participer aux discussions.

Vous n'avez pas encore de compte Developpez.com ? Créez-en un en quelques instants, c'est entièrement gratuit !

Si vous disposez déjà d'un compte et qu'il est bien activé, connectez-vous à l'aide du formulaire ci-dessous.

Identifiez-vous
Identifiant
Mot de passe
Mot de passe oublié ?
Créer un compte

L'inscription est gratuite et ne vous prendra que quelques instants !

Je m'inscris !

Des chercheurs entraînent un réseau de neurones qui bat l'homme dans la reconnaissance faciale
Avec un taux de réussite de 98,52%

Le , par Cedric Chevalier

0PARTAGES

2  1 
Récemment, des chercheurs de Google ont mis en effervescence la communauté des passionnés de l’apprentissage automatique (Machine Learning), avec un réseau de neurones capable d’égaler les humains dans la tâche de reconnaissance des reCAPTCHA. Deux chercheurs de l’université de Hong Kong récidivent en entrainant un réseau de neurones à reconnaître des images de personnes mieux que pourraient le faire des humains.

Chaochao Lu et Xiaoou Tang ont réussi un exploit. Le réseau de neurones qu’ils ont entraîné a eu un taux de réussite de 98,52% pour la tâche de reconnaissance des images de la banque de données Labeled Face in the Wild (LFW). À titre comparatif, les humains s’en sortent avec un taux de réussite de 97,53%.

Reconnaître la face d’un individu sur deux photos distinctes est relativement aisée pour les sujets humains. En revanche, pour les ordinateurs c’est une tâche extrêmement compliquée. En effet, les images des photos peuvent avoir été prises sous différent angle, sous diverses illuminations ou encore être floues, ce qui n’arrange pas les choses.

Des difficultés prises en compte par les chercheurs qui ont ainsi mis au point une méthode d’apprentissage qu’ils ont baptisé Gaussian Face. Avec cette méthode et la banque d’images Multi-PIE (337 images de sujets pris sous 15 angles de vue et 19 conditions d’illumination différentes) et Life Photos (10 images pour chacun des sujets de la banque de données) la machine a battu l’homme.

Cependant, le prix à payer pour réaliser l’exploit est énorme. Le temps et la quantité de mémoire nécessaire pour entraîner le réseau de neurones sont importants. Par conséquent, l’homme a encore l’avantage. Mais il n’en demeure pas moins que c’est une belle performance.

Source: Rapport PDF de l'étude

Et vous ?

D'après vous, à quand les systèmes automatiques qui pourront faire mieux que les humains ?

Une erreur dans cette actualité ? Signalez-nous-la !

Avatar de Xanadu
Membre régulier https://www.developpez.com
Le 28/04/2014 à 14:52
Merci pour l'info, mais :
* la méthode n'utilise absolument pas de réseau de neurones...
* les 97.5% des humains, c'est sur les même images que l'algo, c'est à dire des images croppées très étroitement sur le visage, avec le front et parfois le menton coupés. Sur images non croppées, les humains sont à 99.2%, car ils savent tirer parti du contexte (vêtements, cheveux, environnement...) ce que ne savent pas faire les algos
* on le savait déjà, et c'est encore souligné dans le papier, les ordinateurs sont déjà meilleurs que les humains pour des personnes inconnues et dans des conditions controlées: visage de face, illumination homogène, expression neutre (situation typique: un policier qui contrôle quelqu'un en vérifiant avec l'image du passeport). Les humains restent très supérieurs pour des personnes connues en situation difficile, l'exemple typique, c'est ça: http://cdn.phys.org/newman/gfx/news/...rred_Faces.jpg
* l'intérêt de cette méthode est quand même qu'ils s'approchent des perfs humaines dans des situations non controlées, mais en se plaçant quand même dans une situation avantageuse pour les algos...
3  0