Vous avez très certainement déjà vu une affiche comme celle-ci.
Et bien, sachez que l'intelligence
artificielle pourrait très certainement permettre de retrouver bon nombre de ces animaux égarés. Nous allons donc
nous intéresser à la technologie qui nous permettrait de résoudre ce problème.
Avant de nous aventurer plus loin, il convient d'introduire le concept de machine learning. Le machine learning est un
domaine de l'intelligence artificielle. Un système de machine learning fonctionne de la manière suivante: on fournit
au système beaucoup d'informations sous la forme d'une base de données, puis, en se basant sur les données à sa disposition, le
système va faire une prédiction. Autrement dit, cela permet d'apprendre à un ordinateur à exécuter une tâche sans qu'il soit
spécifiquement programmé pour. Le système de machine learning est caractérisé par trois caractéristiques: les algorithmes qui exécutent les tâches de machine learning,
les bases de données qui contiennent les données sur lesquelles se basent les modèles de machines learning et enfin des modèles
pré-entraînés à exécuter des tâches particulières.
Dans notre cas, nous allons avoir recours à ml5.js, qui n'est autre qu'une bibliothèque d'outils de machine learning
destinée à une utilisation sous javascript. Autrement dit, il s'agit d'une bibliothèque de fonctions pouvant être
appelées depuis notre code javascript.
Nous allons, dans un premier temps nous intéresser à la fonction imageClassifier de la bibliothèque ml5.js qui utilise le modèle MobileNet.
Cette fonction permet de reconnaître ce qui se trouve dans une image. Il convient cependant de préciser que cette
fonction n'est pas infaillible puisque sa capacité à reconnaître ce qui se trouve dans une image dépend bien
évidemment des informations détenues dans sa base de données. Cette fonction identifie un objet sur une image
avec l'objet qui se rapproche le plus dans sa base de données.
Voilà comment cela fonctionne
Cependant cette fonction a des limites. En effet, elle devient obsolète dès lors qu'il y a plusieurs éléments sur l'image. Toutefois, une autre fonction permet de contourner ce problème: la fonction de détection d'objets.
Nous allons à présent nous intéresser à une autre bibliothèque Javascript: TensorFlow.js
TensorFlow.js est également une bibliothèque Javascript. Cette bibliothèque permet d'utiliser le modèle coco-ssd et donc la
fonction de détection d'objets. Le fonctionnement est le même qu'avec la fonction imageClassifier, cependant elle permet de
reconnaître plusieurs éléments au sein d'une même photo, comme le montre l'image ci-dessous.
Ainsi, en utilisant le machine learning avec les caméras de sécurité de la ville, il devient alors possible de retrouver des animaux perdus par leur propriétaire. Je vous concède bien évidemment que ce programme seul ne suffit pas. En effet, la fonction de détection d'objets ne reconnaît que 80 éléments différents. Mais, en développant la base de données, pour y intégrer les races de chien et chats par exemple, il serait bien plus simple de localiser un animal égaré...