Il n’est plus nécessaire d’être programmeur ou chercheur pour mettre au point un algorithme basé sur l’intelligence artificielle. La suite logicielle Aphelion s’enrichit d’extensions pour aider l’utilisateur dans cette tâche.
La première étape de la mise en place d’une solution d’intelligence artificielle est la collecte de données d’apprentissage, c’est-à-dire de données (images ou vidéos) aussi complètes et représentatives du problème que possible. Ces données doivent s’accompagner d’une vérité terrain, i.e. du résultat attendu pour chaque image (exemple : classe réelle de l’image, position et classe des objets à détecter dans l’image, etc.). Notre solution : Annotate, un logiciel spécifiquement développé pour faciliter l’annotation des images et vidéos tout en réduisant le temps à consacrer à cette tâche. Tout en étant simple à utiliser, il n’en est pas moins très polyvalent grâce à son configurateur lui permettant de traiter des vidéos ou des images, de définir l’interface graphique pour s’adapter au plus près du type d’annotation à faire, et de définir le ou les formats des données annotées afin de s’adapter à l’outil d’apprentissage qui sera utilisé à l’étape suivante.
La deuxième étape est l’apprentissage. Cette étape est celle qui requiert le plus de compétences en Deep Learning. Aussi, pour faire gagner du temps à ses utilisateurs, ADCIS propose de prendre techniquement en charge cette étape. Celle-ci comprend la répartition des données annotées en un lot pour l’apprentissage et un autre lot pour l’évaluation, le choix de l’architecture CNN la mieux adaptée au problème posé, l’apprentissage et la génération du modèle, l’évaluation du modèle et son optimisation, et enfin la livraison du modèle et du rapport d’évaluation. Contactez-nous pour en savoir plus sur notre offre de prestation.
La troisième étape est l’application du modèle pour le traitement des images. Notre solution: l’extension Deep Learning Processing. C’est une fonction optionnelle qui s’ajouter à l’interface graphique d’Aphelion Dev ou aux librairies d’Aphelion SDK pour appliquer un modèle CNN à une image afin d’automatiquement la classer, détecter des objets, les classer ou de segmenter l’image, en fonction du modèle appliqué.
Compatibilité matérielle
Pour accélérer le traitement de vos images, nous vous conseillons l’utilisation d’une carte graphique Nvidia parmi les cartes supportées par CUDA 10.1.
Veuillez vous référer à la section « GPUs supported » de cette page web pour vérifier la compatibilité.
