How computers learn to recognize objects instantly | Joseph Redmon

Traducteur: Marie-Caroline Braud Relecteur: Shadia Ramsahye

Ten years ago,

Il y a dix ans de cela,

computer vision researchers thought that getting a computer

les chercheurs en vision artificielle pensaient

to tell the difference between a cat and a dog

que faire différencier à l'ordinateur un chat d'un chien

would be almost impossible,

relevait presque de l'impossible,

even with the significant advance in the state of artificial intelligence.

et ce malgré les nets progrès réalisés en intelligence artificielle.

Now we can do it at a level greater than 99 percent accuracy.

Nous y parvenons dorénavant avec une fiabilité supérieure à 99 %.

This is called image classification --

C'est appelé la classification d'images.

give it an image, put a label to that image --

On prend une image, qu'on étiquette...

and computers know thousands of other categories as well.

L'ordinateur connaît également des milliers d'autres catégories.

I'm a graduate student at the University of Washington,

Je suis diplômé et j'étudie à l'université de Washington,

and I work on a project called Darknet,

et je travaille sur le projet Darknet,

which is a neural network framework

une structure en réseau neuronal

for training and testing computer vision models.

pour entraîner et tester les modèles numériques de vision.

So let's just see what Darknet thinks

Voyons ce que Darknet pense

of this image that we have.

de cette image.

When we run our classifier

Si nous analysons cette image

on this image,

à l'aide du classifieur

we see we don't just get a prediction of dog or cat,

nous obtenons la prédiction « chat » ou « chien »

we actually get specific breed predictions.

mais aussi la race spécifique.

That's the level of granularity we have now.

Voici le niveau de granularité actuel.

And it's correct.

Et c'est exact.

My dog is in fact a malamute.

Mon chien est un malamute.

So we've made amazing strides in image classification,

Nos avancées en classification d'images sont donc incroyables.

but what happens when we run our classifier

Mais que se passe-t-il si notre classifieur

on an image that looks like this?

analyse une image de ce genre ?

Well ...

Eh bien...

We see that the classifier comes back with a pretty similar prediction.

Il fournit une prédiction relativement similaire.

And it's correct, there is a malamute in the image,

Et c'est exact, l'image contient un malamute.

but just given this label, we don't actually know that much

Mais cette information n'indique pas grand-chose

about what's going on in the image.

sur ce qui se passe dans l'image.

We need something more powerful.

Il faudrait aller plus loin.

I work on a problem called object detection,

Je travaille sur la détection d'objets.

where we look at an image and try to find all of the objects,

Il s'agit de trouver tous les objets présents sur une image,

put bounding boxes around them

de les circonscrire

and say what those objects are.

et de les identifier.

So here's what happens when we run a detector on this image.

Voyons ce qui se passe quand le détecteur analyse cette image.

Now, with this kind of result,

Ce genre de résultats démultiplient

we can do a lot more with our computer vision algorithms.

les capacités de nos algorithmes de vision artificielle.

We see that it knows that there's a cat and a dog.

On voit qu'il a reconnu la présence du chat et du chien.

It knows their relative locations,

Il sait où chacun se situe

their size.

et leur taille.

It may even know some extra information.

Il peut même savoir d'autres choses.

There's a book sitting in the background.

Un livre se trouve au fond.

And if you want to build a system on top of computer vision,

Si l'on veut concevoir un système basé sur la vision artificielle,

say a self-driving vehicle or a robotic system,

tel un véhicule autoguidé ou un système robotisé,

this is the kind of information that you want.

on recherche ce genre d'informations.

You want something so that you can interact with the physical world.

On cherche à pourvoir interagir avec le monde physique.

Now, when I started working on object detection,

Quand j'ai débuté dans la détection d'objets,

it took 20 seconds to process a single image.

il fallait 20 secondes pour analyser une seule image.

And to get a feel for why speed is so important in this domain,

Pour que vous saisissiez l'importance de la rapidité dans ce domaine,

here's an example of an object detector

voici un exemple de détecteur d'objets

that takes two seconds to process an image.

qui analyse une image en deux secondes

So this is 10 times faster

soit dix fois plus rapidement

than the 20-seconds-per-image detector,

que celui à 20 secondes par image.

and you can see that by the time it makes predictions,

On voit que le temps qu'il fasse des prédictions,

the entire state of the world has changed,

l'état des choses a changé,

and this wouldn't be very useful

et son application

for an application.

serait peu utile.

If we speed this up by another factor of 10,

En l'accélérant encore d'un facteur de dix,

this is a detector running at five frames per second.

le détecteur analyse cinq images par seconde.

This is a lot better,

C'est bien mieux.

but for example,

Par contre,

if there's any significant movement,

si un mouvement important se produit,

I wouldn't want a system like this driving my car.

je ne veux pas que ce système conduise ma voiture.

This is our detection system running in real time on my laptop.

Voici notre système de détection en temps réel sur mon PC portable.

So it smoothly tracks me as I move around the frame,

Il suit aisément mes déplacements dans le cadre,

and it's robust to a wide variety of changes in size,

il supporte une grande variété de changements de taille,

pose,

de postures,

forward, backward.

si j'avance, recule.

This is great.

C'est formidable.

This is what we really need

C'est ce qu'il nous faut réellement

if we're going to build systems on top of computer vision.

pour concevoir des systèmes basés sur la vision artificielle.

(Applause)

(Applaudissements)

So in just a few years,

En quelques années seulement,

we've gone from 20 seconds per image

on est passés de 20 secondes par image

to 20 milliseconds per image, a thousand times faster.

à 20 millisecondes par image. Mille fois plus vite.

How did we get there?

Comment avons-nous fait ?

Well, in the past, object detection systems

Avant, les systèmes de détection d'objets

would take an image like this

prenaient une image similaire

and split it into a bunch of regions

et la découpaient en zones,

and then run a classifier on each of these regions,

puis un classifieur analysait chacune d'elles,

and high scores for that classifier

et on considérait qu'il était performant

would be considered detections in the image.

s'il détectait des objets.

But this involved running a classifier thousands of times over an image,

Mais ça signifiait analyser une image des milliers de fois

thousands of neural network evaluations to produce detection.

autant d'évaluations en réseau neuronal pour une détection.

Instead, we trained a single network to do all of detection for us.

On a alors entraîné un réseau unique à réaliser ces détections.

It produces all of the bounding boxes and class probabilities simultaneously.

Il produit les délimitations et les probabilités de classes simultanément.

With our system, instead of looking at an image thousands of times

Notre système n'observe plus une image des milliers de fois

to produce detection,

afin de réaliser une détection

you only look once,

mais une fois seulement.

and that's why we call it the YOLO method of object detection.

D'où la méthode de détection YOLO pour « You Only Look Once ».

So with this speed, we're not just limited to images;

Cette rapidité ne nous limite plus aux seules images

we can process video in real time.

et nous pouvons analyser des vidéos en temps réel.

And now, instead of just seeing that cat and dog,

Et au lieu de voir un chat et un chien,

we can see them move around and interact with each other.

on les voit se déplacer et interagir.

This is a detector that we trained

Nous avons entraîné ce détecteur

on 80 different classes

sur 80 classes différentes

in Microsoft's COCO dataset.

de la base COCO de Microsoft.

It has all sorts of things like spoon and fork, bowl,

Elle contient un peu de tout, de la cuillère à la fourchette et au bol.

common objects like that.

Ce genre d'objets usuels.

It has a variety of more exotic things:

Elle contient diverses choses plus inhabituelles :

animals, cars, zebras, giraffes.

des animaux, des voitures, des zèbres, des girafes.

And now we're going to do something fun.

Faisons une chose amusante.

We're just going to go out into the audience

Parcourons le public

and see what kind of things we can detect.

et voyons le genre d'objets détectés.

Does anyone want a stuffed animal?

Quelqu'un veut-il une peluche ?

There are some teddy bears out there.

Il y a des ours en peluche ici.

And we can turn down our threshold for detection a little bit,

Repoussons un peu notre seuil de détection

so we can find more of you guys out in the audience.

afin d'en trouver plus dans le public.

Let's see if we can get these stop signs.

Voyons si on trouve ces panneaux.

We find some backpacks.

On a des sacs à dos.

Let's just zoom in a little bit.

Zoomons juste un peu.

And this is great.

C'est formidable.

And all of the processing is happening in real time

L'analyse entière se déroule en temps réel

on the laptop.

sur l'ordinateur.

And it's important to remember

Il faut garder à l'esprit

that this is a general purpose object detection system,

qu'il s'agit d'un système de détection d'objets à usage général.

so we can train this for any image domain.

On peut donc l'entraîner pour tout domaine visuel.

The same code that we use

Le même code employé

to find stop signs or pedestrians,

pour détecter des panneaux stop, des piétons

bicycles in a self-driving vehicle,

ou des vélos par un véhicule autoguidé

can be used to find cancer cells

peut être employé pour détecter des cellules cancéreuses

in a tissue biopsy.

dans une biopsie.

And there are researchers around the globe already using this technology

Dans le monde, des chercheurs utilisent déjà cette technologie

for advances in things like medicine, robotics.

pour progresser dans des domaines comme la médecine ou la robotique.

This morning, I read a paper

Ce matin, j'ai lu un article

where they were taking a census of animals in Nairobi National Park

qui traitait d'un recensement de la faune du parc national de Nairobi

with YOLO as part of this detection system.

qui utilisait YOLO pour son système de détection.

And that's because Darknet is open source

Cela est possible car Darknet est en open source

and in the public domain, free for anyone to use.

et dans le domaine public. Il est libre d'utilisation.

(Applause)

(Applaudissements)

But we wanted to make detection even more accessible and usable,

On a voulu rendre la détection encore plus accessible et pratique.

so through a combination of model optimization,

Grâce à la combinaison de l'optimisation de modèles

network binarization and approximation,

la binarisation du réseau et l'approximation,

we actually have object detection running on a phone.

on peut utiliser la détection d'objets sur un téléphone.

(Applause)

(Applaudissements)

And I'm really excited because now we have a pretty powerful solution

Je suis ravi, car nous disposons dorénavant d'une solution puissante

to this low-level computer vision problem,

pour ce problème de vision artificielle faible.

and anyone can take it and build something with it.

Il peut servir à quiconque pour concevoir ce qu'il veut.

So now the rest is up to all of you

Pour le reste, à vous de jouer

and people around the world with access to this software,

ainsi qu'à ceux dans le monde qui ont accès à ce logiciel.

and I can't wait to see what people will build with this technology.

J'ai hâte de voir ce que les gens feront de cette technologie.

Thank you.

Merci.

(Applause)

(Applaudissements)