Charivari de la société contemporaine

Google a construit un réseau de neurones capable d'identifier les 100 millions de numéros de rue pour le produit Streetview

Par Ryan Whitwam le 9 Janvier 2014

Traduction par samagace69

Après avoir passé un certain temps sur l'Internet, vous avez sans doute été forcé de prouver votre présence humaine en tapant des mots et des chiffres dans un captcha. Le propre modèle  de Google nommé recaptcha  a été utilisé non seulement pour garder les robots "les bots" à l'écart pour éviter toute intrusion automatique sur les sites d'abonnement, mais aussi pour aider le géant de la recherche à identifier le texte dans les livres numérisés et les numéros de rues de l'application Streetview. Cependant, Google ne compte pas spécialement de pirater les méandres de nos cerveaux. Une nouvelle brochure de Google explique comment ils ont formé un réseau de neurones capable de lire les millions de numéros non identifiés de rue captées par les caméras Streetview sans intervention humaine.

Un réseau neuronal artificiel est un modèle de calcul qui cherche à reproduire la nature parallèle d'un cerveau vivant. Ce système agit directement sur les images de pixels qui sont capturés par les voitures Streetview et il imite le fonctionnement de votre cerveau mieux que les nombreux modèles précédents. Au lieu de segmenter chaque image d'adresses en chiffres individuels pour les identifier un à un, il regarde le nombre entier et le reconnaît, comme nous le faisons spontanément.

Lorsque vous tapez une adresse sur Google Maps, vous vous attendez à retrouver l'emplacement correct. Avoir les bonnes adresses pour chaque quartier est essentiel surtout dans les régions où l'alignement des constructions ne sont pas linéaires. C'est pourquoi il est utile de savoir ce qui est réellement écrit sur la porte d'entrée, et voilà pourquoi Google se donne la peine de construire un cerveau synthétique pour le faire.

Pour former son réseau de neurones, Google a utilisé les chiffres des appartements de Street View accessibles au public (SVHN) Street View House Numbers (SVHN) Dataset. C'est exactement ce que cela ressemble - un ensemble de données massive avec 200 000 adresses subdivisée en blocs de numéros pour un total de 600 000 images numériques pour former un cerveau électronique. Il faut six jours seulement à Streetview pour que le système apprennent à acquérir une base de données et soit en mesure d'identifier chiffres en images à un niveau élevé de précision.

Techniquement parlant, Google a simplifié le processus en plaçant des contraintes sur les images analysées par le réseau neuronal. Les adresses doivent avoir déjà été identifiés et automatiquement recadrée de sorte que le nombre est d'au moins un tiers de la largeur totale de l'image finale. Ils supposent également que la longueur du nombre soit moins de cinq chiffres, ce qui fonctionne très bien dans la plupart des régions. La limite de la longueur du nombre est essentiel car il permet au réseau neuronal de Google de lire les numéros de rue rapidement.

Les humains sont capables d'interpréter les numéros de rue provenant des images de Streetview avec  98% de précision, le seuil que Google s'est fixé pour la machine. Cela ne signifie pas pour autant qu'elle est capable d'identifier toutes les images à 98% - elle se réfère à un sous-ensemble d'images appropriés pour le système automatisé . Environ 95% des adresses saisies entrent dans cette catégorie et le réseau de neurones répond à l'exigence de précision de 98% d'entre eux. Google affirme qu'il a utilisé ce système pour lire 100 millions de numéros de rue physiques jusqu'ici. [Cahier de recherche:  arxiv.org/abs/1312.6082  - "Nombre de reconnaissance multi-digit de Street View en utilisant l'imagerie Deep Convolutional Neural Networks"]

Ce modèle informatique allège considérablement la charge visuelle sur les globes oculaires. Cependant quelques images nécessitent l'évaluation d'un être humain. Comme le réseau de neurones est perfectible, les chercheurs espèrent que Google pourrait être utile à la lecture de plaques de rue ou des numéros de téléphone sur les panneaux publicitaires !

références:

http://www.technologyreview.com/view/523326/how-google-cracked-house-number-identification-in-street-view/

http://www.extremetech.com/computing/174275-google-has-built-a-neural-network-to-identify-100-million-house-numbers-for-streetview

http://arxiv.org/abs/1312.6082