FAQ - French
Toutes les catégories Telraam S2 Classification des objets avec Telraam S2

Classification des objets avec Telraam S2

Par Dave Driesmans
7 mars 2023

Notre capteur Telraam S2 peut différencier dix catégories différentes d'usagers de la route :

  1. Vélo

  2. Bus

  3. Voiture

  4. Camion léger

  5. Moto

  6. Piéton

  7. Poussette

  8. Tracteur

  9. Remorque

  10. Camion

Ces dix modes sont disponibles pour les utilisateurs disposant d'un Abonnement Données ou Réseau. Les utilisateurs sans abonnement ont un accès gratuit aux comptages agrégés dans les quatre classes classiques de Telraam : piétons (piétons + poussettes), deux roues (vélos et motos), voitures et véhicules lourds (toutes les autres classes).

Contrairement à notre unité Telraam V1 précédente, basée sur un Raspberry Pi, Telraam S2 prend en charge la classification des objets détectés immédiatement, de sorte que nous n'avons plus besoin d'effectuer cette étape de post-traitement sur les serveurs Telraam. En fait, la détection et la classification des objets se font maintenant en même temps et sont réalisées par une puce d'intelligence artificielle (IA).

Sans entrer dans les détails techniques, voici une explication simple de ce qu'est l'IA et de son fonctionnement :

L'intelligence artificielle est un (certain) niveau d'intelligence - percevoir, synthétiser et déduire des informations - démontré par des machines. L'IA de Telraam S2 a été entraînée à identifier différents types d'usagers de la route, à l'aide d'un algorithme d'apprentissage automatique alimenté par un vaste échantillon d'images, chacune ayant déjà été classée par un humain. Au cours de ce processus, l'IA analyse ces images et recherche des modèles, afin de construire un concept - ou modèle - capable de différencier les différentes catégories d'entrée. Lorsqu'elle reçoit de plus en plus de données d'entraînement, l'IA peut identifier des usagers de la route inconnus jusqu'alors avec une précision de plus en plus grande.

Pour donner une analogie humaine à ce processus, on peut imaginer l'IA comme le cerveau d'un jeune enfant. Un jeune enfant apprend ce qu'est une voiture en regardant des objets (photos) identifiés comme des voitures par ses parents. Ce concept comprend des couleurs, des formes, des tailles, des lieux d'apparition, etc. Une fois que ce concept a atteint un seuil de maturité, l'enfant réussira à identifier un objet qu'il n'a jamais vu auparavant comme étant une voiture, car son cerveau est désormais capable de reconnaître des modèles ou des propriétés qui correspondent à son concept de voiture. L'IA a besoin d'être formée, tout comme un enfant : montrer une image de voiture ne lui apprendra pas ce qu'est une voiture, mais montrer de plus en plus de voitures permettra au cerveau de comprendre de mieux en mieux le concept. Dans le domaine de l'apprentissage automatique, ce processus est appelé "entraînement du modèle d'IA avec des données annotées".

Si le passage à un classificateur d'IA et l'augmentation du nombre de modes distincts de quatre à dix présentent de nombreux avantages, ils posent également de nouveaux défis. L'un d'entre eux est l'ambiguïté de la classification des usagers de la route qui se situent entre deux classes ou qui sont des variantes atypiques du membre typique d'une classe, et des objets qui ne font pas partie des dix classes que nous avions définies. Par exemple, il est très difficile pour l'IA de décider si les petits cyclomoteurs ou les gros vélos électriques doivent être classés comme des bicyclettes ou des motos, car la frontière entre ces classes n'est pas très nette. En ce qui concerne les usagers de la route qui ne font pas partie, à proprement parler, de nos dix classes, il y a de fortes chances qu'ils soient classés d'une manière ou d'une autre. Par exemple, une personne utilisant une trottinette électrique sera très probablement classée comme piéton, car son image visuelle est très proche de celle d'un piéton. Certaines décisions seraient difficiles à prendre, même pour un être humain : dans quelle classe classer un gros pousse-pousse ? Ou un fauteuil roulant électrique ?

L'un des moyens de rendre Telraam S2 encore meilleur à l'avenir consiste à alimenter l'IA avec davantage de données d'entraînement, afin, par exemple, d'affiner les différences entre des classes similaires spécifiques. De nouveaux modèles d'intelligence artificielle pourront être introduits lors des prochaines mises à jour du firmware.

Cet article était-il utile ?

Thanks for your feedback!