Vers une Intelligence d’Activité Totale
Un groupe de chercheurs de l’École de Informatique Interactive et de l’Institut de Robotique et de Machines Intelligentes a mis au point une méthode innovante qui permet aux ordinateurs d’« observer » et de comprendre les activités quotidiennes des humains. Ce projet a impliqué l’utilisation d’une caméra portable prenant des photos toutes les 30 à 60 secondes pendant six mois, totalisant plus de 40 000 images. Grâce à ce processus, ils ont réussi à prédire avec une précision de 83% quelle activité réalisait une personne.
Les chercheurs ont appris à l’ordinateur à classer les images en 19 catégories d’activités différentes. À la fin de chaque journée, le participant portant la caméra avait la possibilité de revoir et d’annoter les photos pour garantir qu’elles étaient correctement classées. Edison Thomaz, l’un des co-auteurs et assistant de recherche à l’École de Informatique Interactive, a expliqué que ce projet vise à mieux comprendre les activités humaines et à créer des systèmes capables de reconnaître ces activités avec un niveau de détail très précis. Comparant avec des dispositifs de suivi comme le Fitbit, il a mentionné que ces technologies pourraient permettre de suivre toutes les activités de la journée, et pas seulement les exercices physiques. Cela marque un avancement vers une intelligence d’activité complète, où l’on démontre que des techniques de vision par ordinateur peuvent suffire.
Apprentissage Profond
Les chercheurs estiment avoir constitué le plus grand ensemble de données annotées d’images à la première personne pour prouver que l’apprentissage profond peut interpréter les comportements humains et les habitudes individuelles. Selon Daniel Castro, doctorant en Informatique et principal chercheur du projet, la combinaison du temps et des images était primordiale. En effet, le temps joue un rôle crucial pour certaines catégories d’activités. Le système a appris à évaluer la pertinence des images en fonction des horaires des individus.
Il a la capacité de déterminer ce que montre chaque image en tenant compte à la fois du temps et des probabilités d’image, ce qui lui permet d’effectuer des prévisions plus pertinentes. Cette aptitude à reconnaître les activités humaines présente de nombreux avantages potentiels, notamment l’amélioration des applications d’assistants personnels comme Siri, la compréhension des relations entre santé et comportement, ainsi que le perfectionnement des choix personnels au cours de la journée.
FAQ
Qu’est-ce qu’une caméra portable peut capturer et analyser ?
Une caméra portable peut enregistrer les activités d’une personne en prenant des photos à intervalles réguliers, permettant ainsi d’analyser un large éventail d’activités quotidiennes.
Comment l’apprentissage profond améliore-t-il la reconnaissance d’activités ?
L’apprentissage profond utilise des algorithmes avancés pour traiter et classer des images, en intégrant le facteur temps pour affiner la précision des prédictions sur les activités humaines.
Quelles sont les applications potentielles de cette technologie ?
Cette technologie pourrait être utilisée dans des applications telles que des assistants virtuels, des outils de suivi de santé, ou même pour améliorer des études comportementales en lien avec la santé et le bien-être.
Quelle est l’importance de l’annotation des images ?
L’annotation permet de vérifier et de corriger les classifications effectuées par l’ordinateur, assurant ainsi que le modèle s’améliore continuellement et reste précis dans ses analyses.
Quels défis restent à relever dans ce domaine ?
Les défis incluent l’amélioration de la capacité des systèmes à reconnaître des activités dans des environnements complexes et la nécessité d’une compréhension contextuelle plus profonde des comportements humains.
