Bien plus qu'une tendance technologique, la vision artificielle est une nécessité pour l'essor de nombreuses applications English
ÉTS et Orthogone lancent une chaire de recherche industrielle
MONTRÉAL, le 14 janv. 2020 /CNW Telbec/ - L'essor des transports autonomes, de la robotique industrielle et de l'imagerie médicale est largement tributaire de la capacité des algorithmes à interpréter des images. Et bien que des avancées spectaculaires aient été réalisées dans les domaines de la vision artificielle et de l'apprentissage machine, plusieurs défis techniques doivent encore être surmontés pour que la vision artificielle atteigne son plein potentiel. Ismail Ben Ayed, professeur-chercheur à l'École de technologie supérieure (ÉTS), et Orthogone Technologies s'attaqueront à ces défis en recourant à l'apprentissage profond.
![Alexandre Raymond, vice-président, Orthogone Technologies, Luc Leblanc, président, Orthogone Technologies, Ismail Ben Ayed, professeur et titulaire de la Chaire, François Gagnon, directeur général, ÉTS, Charles Despins, directeur de la recherche et des partenariats, ÉTS. (Groupe CNW/École de Technologie Supérieure)](https://mma.prnewswire.com/media/1075921/_cole_de_Technologie_Sup_rieure__TS_et_Orthogone_lancent_une_cha.jpg?w=400)
![Le professeur Ismail Ben Ayed, chercheur à l'ÉTS, figure dans le top 5 mondial quant au nombre de publications ayant pour sujets Image segmentation, Pixels et Interactive segmentation. (Groupe CNW/École de Technologie Supérieure)](https://mma.prnewswire.com/media/1075922/_cole_de_Technologie_Sup_rieure__TS_et_Orthogone_lancent_une_cha.jpg?w=400)
Ainsi, grâce à la Chaire de recherche industrielle Orthogone en vision artificielle par apprentissage profond, qui a été inaugurée en décembre dernier à l'ÉTS, le professeur Ben Ayed explorera différentes pistes de solution avec Orthogone Technologies.
« Encore aujourd'hui, il faut que des humains annotent les images afin que les algorithmes puissent leur donner un sens. Ce procédé comporte ses limites, étant donné la quantité de données existant dans le monde réel et le nombre restreint de catégories dans lesquelles ces données peuvent être classées dans le monde virtuel actuel », a expliqué Ismail Ben Ayed, professeur en génie des systèmes et titulaire de la Chaire.
À cette complexité s'ajoute également le fait que ces images peuvent être issues de différents types d'appareils, tels que des capteurs optiques, thermiques et lasers, et que celles-ci peuvent avoir été captées dans des contextes variés. Par exemple : une voiture photographiée durant la saison estivale pourrait être reconnue plus aisément par un algorithme qu'une voiture enfouie aux trois quarts sous la neige. De la même façon, les formes d'une voiture seront mieux définies - donc interprétées avec plus de justesse par l'algorithme - sur une photo optique en couleur que sur une photo thermique ou aérienne, par exemple.
Ainsi, les avancées en matière d'apprentissage profond (deep learning), et plus particulièrement celles des réseaux de neurones à convolution, pourraient permettre à la vision artificielle de surmonter ces obstacles. C'est la piste qu'explorera le professeur Ben Ayed, en recourant à des méthodologies d'apprentissage multimodal et semi-supervisé, pour résoudre des problèmes de reconnaissance visuelle.
« En nous associant au professeur Ben Ayed, nous serons en mesure d'offrir à nos clients une autre expertise à grande valeur ajoutée en traitement d'images par apprentissage profond. Cette nouvelle expertise combinée à notre savoir-faire actuel nous permettra dorénavant de développer en partenariat avec nos clients des solutions innovantes et de très hautes performances » a déclaré Luc Leblanc, président d'Orthogone Technologies.
« Le professeur Ben Ayed figure dans le top 5 mondial quant au nombre de publications ayant pour sujets Image segmentation, Pixels et Interactive segmentation. Ses publications reçoivent en moyenne 45 % plus de citations que la moyenne mondiale en ce domaine. Il ne fait aucun doute que cette collaboration est promise à un très grand avenir », a conclu François Gagnon, directeur général de l'ÉTS.
À propos d'Orthogone
Fondée en 2007 et comptant aujourd'hui plus de 50 employés, Orthogone se spécialise dans les services-conseils en technologie et dans le développement de produits technologiques, en plus d'offrir des services de recherche et développement sur le marché des systèmes intégrés. Orthogone conçoit des capteurs personnalisés pour des applications liées aux domaines médical, industriel et automobile. Ayant conçu de nombreux capteurs intelligents pour des clients de premier plan, Orthogone possède une solide expertise en conception matérielle et logicielle, et ce, pour un large éventail de produits. Pour en savoir plus, visitez : orthogone.ca.
À propos de l'ÉTS
L'ÉTS est l'une des dix constituantes de l'Université du Québec. Elle forme des ingénieurs et des chercheurs reconnus pour leur approche pratique et innovatrice, le développement de nouvelles technologies et leur aptitude à transférer leurs connaissances en entreprise. Selon CS ranking, l'ÉTS occupe une place de choix dans cette branche de l'intelligence artificielle qu'est la vision artificielle : elle se classe au 1er rang au Québec, et au 6e au Canada, pour ce qui est des publications scientifiques dans ce domaine. Pour en savoir plus, visitez : etsmtl.ca.
SOURCE École de technologie supérieure
Service des communications ÉTS, Chantal Crevier, [email protected], 514 396-8800, poste 7893
Partager cet article