Vous pensez que les technologies de reconnaissance visuelle fonctionnent nécessairement grâce au Deep Learning ? Pas toujours !
Une solution de reconnaissance visuelle consiste à comparer un objet ou une image de référence à un ensemble d’autres objets/images puis à identifier un ou plusieurs « match ». C’est-à-dire à répondre à la question « S’agit-il de la même image ? ».
LTU, éditeur de logiciels spécialisé dans le domaine de la reconnaissance visuelle, a développé une solution innovante qui consiste à analyser une image (ou un objet) pour lui attribuer une description visuelle appelée « Signature unique ». En utilisant cette signature, la solution est capable de détecter et d’identifier les images proches d’une image de requête.
La signature unique LTU – Comment ça marche ?
Cette technologie brevetée offre des performances notables sur le marché de la Computer Vision. En particulier dans les cas d’usage où entraîner un modèle de Deep Learning s’avérerait trop complexe, coûteux ou chronophage.
La technologie développée par LTU en revanche, a résolu la question du temps d’apprentissage en amont. Son algorithme est capable d’analyser précisément les caractéristiques d’une image ou d’un objet. Il ne s’agit pas de classifier une image par typologie (paysage, visage, animal, objet inanimé…) mais plutôt par caractéristiques visuelles (courbure, opacité, modèle 3D, texture, couleurs dominantes et autres métadonnées diverses).
En pratique, dans un cas de reconnaissance visuelle opérée par LTU, une seule image de référence suffit et cette dernière est analysée une seule fois pour lui attribuer sa signature unique. Pour identifier deux images similaires, ce sont leurs signatures qui sont comparées directement entre elles, ce qui améliore considérablement le temps de réponse de l’outil par rapport au marché: 0,3 seconde pour reconnaître une image en moyenne !
Les avantages
La solution de reconnaissance visuelle de LTU basée sur ce principe de la « signature unique » présente les avantages suivants :
- Une seule image suffit : plus besoin de centaines de versions d’une image de référence pour l’identifier avec certitude, et plus besoin de les annoter. C’est un gain de temps et d’énergie significatif !
- Aucun temps d’entraînement et d’apprentissage de modèle requis, car la technologie est développée de manière à extraire les informations d’une image de manière immédiate
- La technologie LTU est robuste quelle que soit la typologie de l’image de référence au départ. Il ne réutilise pas les caractéristiques d’un ancien modèle ou d’un jeu de données proche de votre problématique (pas de transfer learning)
- Confidentialité des données : réciproquement, LTU ne réutilise pas les contenus que vous soumettez dans l’outil pour entraîner et améliorer son algorithme
- Économies d’énergie : moins gourmande en puissance de calcul que les solutions équivalentes basées sur le Deep Learning, la technologie LTU utilise des composants plus économes pour une empreinte énergétique réduite.
En pratique, une solution intégrée
Concernant la prise en main de l’outil, LTU propose une offre clé-en-main, exploitable par une grande diversité d’interlocuteurs-métiers non techniques : marketing, ventes, communication etc. LTU vous apporte un accompagnement utilisateur et une aide pour configurer la solution. Pour en savoir, plus RDV ici ou contactez-nous !
Le Deep Learning… pas toujours adapté à la reconnaissance d’image ou d’objet
À date, les solutions de reconnaissance visuelle existantes basées sur le Deep Learning fonctionnent en deux temps :
– Établissement d’un dataset de référence : collecte du maximum de données disponibles sur l’image ou l’objet qu’on souhaite comparer/identifier
– Entraînement des algorithmes de Deep Learning sur ce dataset : le réseau de neurones artificiels qui constitue le modèle « apprend par l’exemple» à reconnaître l’image ou l’objet de référence jusqu’à l’obtention d’un score satisfaisant
Or, les projets ne disposent pas toujours de délais, ni de ressources techniques ou compétences humaines suffisantes pour mener à bien un projet qui nécessite une telle technologie. Pour en savoir plus sur les conditions d’une solution de reconnaissance visuelle reposant sur le Deep learning, consultez notre article sur le sujet.
Nous n’excluons d’ailleurs pas le Deep Learning ! Si cela est adapté à vos besoins, la technologie LTU peut également intégrer des technologies tierces. Par exemple, il vous sera possible d’enrichir la reconnaissance visuelle de fonctionnalités de détection d’objets et de classification d’images. Vous bénéficiez ainsi d’une solution à la fois personnalisable, et facilement intégrable et hautement performante.
Quelle technologie de traitement d’images choisir ?
Vous pensez que les technologies de reconnaissance visuelle fonctionnent nécessairement grâce au Deep Learning ? Pas toujours !
Une solution de reconnaissance visuelle consiste à comparer un objet ou une image de référence à un ensemble d’autres objets/images puis à identifier un ou plusieurs « match ». C’est-à-dire à répondre à la question « S’agit-il de la même image ? ».
