La vision des camions autonomes peaufinée au Québec

L’une des principales préoccupations des gestionnaires de flottes lorsqu’il est question de camions autonomes ou de systèmes connexes fonctionnant à l’aide de caméras ou de radars est leur bon fonctionnement en période hivernale ou, de façon générale, lorsque ces dispositifs de vision artificielle sont soumises aux mauvais traitements de la route.

L’École de technologie supérieure (ÉTS, affiliée à l’Université du Québec) et Orthogone Technologies s’attaqueront à ces défis en recourant à l’apprentissage profond. L’essor des transports autonomes est en effet largement tributaire de la capacité des algorithmes à interpréter des images et plusieurs défis techniques doivent encore être surmontés pour que la vision artificielle atteigne son plein potentiel.

Ismail Ben Ayed, professeur-chercheur à l’ÉTS, et Orthogone Technologies, qui a des bureaux à Montréal, mèneront les travaux.

« 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 le professeur Ben Ayed.

Par exemple : un camion photographié durant la saison estivale pourrait être reconnu plus aisément par un algorithme que le même véhicule enfoui aux trois quarts sous la neige. De la même façon, les formes d’un véhicule 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.

« 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.