Une machine qui vous connaît au visage
2011/03/19 Lakar Iraizoz, Oihane - Elhuyar Zientzia
![](Images/D110319-3.jpg)
Les humains ont environ 100 milliards de neurones dans le cerveau. Entrelacés forment un vaste réseau. Grâce au travail des neurones nous pouvons assimiler et comprendre ce que nous percevons autour de nous et à partir de cette information nous accumulons la connaissance. En fait, toutes les choses que nous apprenons sont piégées dans le réseau neuronal.
Ibermatica a développé au Zamudio un système qui imite la façon d'agir de notre cerveau pour développer différentes applications. Le système a des réseaux neuronaux artificiels qui organisent essentiellement le monde qui enseignent le système, « comme nous organisons pour différencier les lampadaires, les animaux et les arbres que nous voyons sur la montagne ou dans la rue », explique Aitor Moreno.
Ibermatica développe ce système pour des applications spécifiques. Dans une des utilisations on prétend que le système se situe à l'entrée des bâtiments pour permettre l'accès exclusif des personnes enregistrées. Le système doit connaître les visages des personnes autorisées, ouvrant automatiquement la barrière aux personnes connues.
![](Images/D110319-1.jpg)
Le noyau du système, l'enseignement
Comment une machine peut-elle être capable de voir un visage et de la connaître rapidement ? La première étape est d'enseigner au système qui sont les personnes pour traiter l'information de chacune d'elles. "Grâce à plusieurs photos de la personne que nous voulons enregistrer", explique Maitane Garmendia, de Ibermatica.
En passant les photos à l'ordinateur, le système transforme les couleurs en gris, c'est-à-dire en noir et blanc. Entrez ensuite chaque photo dans un tableau de 64 x 64 carrés dans lequel les informations de chaque photo sont stockées. Il convertit la photographie en un grand carré de 64 x 64 carrés.
Ils comprennent plusieurs photos de chaque personne dans le système et répètent le processus avec chacun d'eux. « Nous avons ainsi réussi à former le système », dit Garmendia. Les photos ont été prises dans différentes positions afin que le système intériorise les principales caractéristiques de cette personne. « Cela est possible grâce à la structuration du réseau sur lequel il est basé », explique Moreno.
Comme vous entrez les photos, vous apprenez le système. Il fait aussi des erreurs. Avec ce que vous avez appris, quand vous recevez une image, vous la classez et si vous ne réussissez pas, vous créez une erreur. Sur cette erreur, ils doivent lui dire à nouveau quelle est la bonne classification, et ainsi, « nous formons peu à peu », dit Garmendia. Plus il y a de tentatives, plus le système commettra d'erreurs et, grâce à la correction, plus il connaîtra les éléments qui lui parviennent.
Chaque fois qu'une nouvelle photo est affichée, elle est comparée aux photos que vous avez accumulées. Si la similitude est assurée dans un pourcentage élevé entre les caractéristiques de deux photographies, il permettra au travailleur d'avancer. Sinon, il ne permettra pas l'accès au bâtiment.
![](Images/D110319-2.jpg)
Plus que de contrôler l'accès
En plus de permettre le passage des gens, ce système développé en Ibermatica peut être utilisé pour beaucoup d'autres choses. Par exemple, pour éviter la fraude dans les supermarchés. Lorsque vous passez par boîte, vous pouvez l'utiliser pour contrôler que le produit réel est facturé et éviter, par exemple, remplacer l'étiquette d'un produit moins cher par une étiquette plus chère. Les collecteurs n'ont généralement pas le temps de les vérifier et peuvent avoir un système auxiliaire de neurones artificiels. Le système, à l'aide d'une caméra en boîte, détecte l'apparence du produit et vérifie si l'étiquette que vous avez placée est celle qui lui correspond. Le système apprend l'aspect extérieur des paquets et du contenu, évitant ainsi la fraude.
Toutes ces applications peuvent être présentes sur le système en raison de l'entrée répétée des images. L'inclusion de nombreuses photographies d'une personne ou d'un produit particulier permettra de les associer de manière plus fiable et plus fiable à ce que le système doit identifier les principales caractéristiques qu'il perçoit.
Comme tout, il suffit de répéter cette formation à un point. Et c'est que « si vous prenez plus de photos que nécessaire, le système cesse d'inférer et d'apprendre », explique Garmendia. Par exemple, si le système est souvent dit qu'une personne est cette personne, et si cette personne laisse étirer la barbe un jour, par exemple, le système ne le reconnaîtra pas. Aussi longtemps que vous ne trouvez pas l'image exacte de cette personne, vous ne déciderez pas que c'est cette personne.
Publié dans Ortzadar
![](https://elia.eus/static/elhuyar/img/elia_RGB.png)
Gai honi buruzko eduki gehiago
Elhuyarrek garatutako teknologia