Les 5 plus grandes tendances de la vision par ordinateur en 2022

Les 5 plus grandes tendances de la vision par ordinateur en 2022

La vision par ordinateur (parfois appelée vision industrielle) est l’une des applications les plus passionnantes de l’intelligence artificielle. Les algorithmes capables de comprendre les images – à la fois les images et les vidéos en mouvement – sont une base technologique clé derrière de nombreuses innovations, des véhicules autonomes et autonomes aux machines industrielles intelligentes et même aux filtres de votre téléphone qui rendent les photos que vous téléchargez sur Instagram plus jolies.

Avec les capacités de traitement du langage (traitement du langage naturel, ou « NLP »), il est fondamental pour nos efforts pour construire des machines capables de comprendre et d’apprendre sur le monde qui les entoure, tout comme nous. En général, il s’agit d’applications alimentées par l’apprentissage profond – des réseaux de neurones formés sur des milliers, des millions ou des milliards d’images jusqu’à ce qu’ils deviennent des experts dans la classification de ce qu’ils peuvent « voir ».

La valeur du marché de la technologie de vision par ordinateur devrait atteindre 48 milliards de dollars d’ici la fin de 2022 et devrait être une source d’innovation et de percées continues tout au long de l’année. Jetons donc un coup d’œil à certaines des tendances clés que nous suivrons impliquant cette technologie fascinante:

L’intelligence artificielle centrée sur les données est basée sur l’idée qu’il faut se concentrer autant, sinon plus, sur l’optimisation de la qualité des données utilisées pour former les algorithmes, que sur le développement des modèles et des algorithmes eux-mêmes. Défendu par Andrew Ng – pionnier renommé de l’apprentissage profond – ce nouveau paradigme émergent est pertinent dans toutes les disciplines de l’IA, mais particulièrement dans le domaine de la vision par ordinateur.

Certains des premiers modèles de reconnaissance d’images basés sur l’apprentissage profond ont été développés par le Dr Ng chez Google, dans le but d’entraîner les ordinateurs à reconnaître les images de chats, et ils dépendent particulièrement de la qualité des données qu’ils reçoivent, plutôt que de la quantité.

Cet accent mis sur l’amélioration itérative de la qualité de l’étiquetage – en utilisant des techniques automatisées d’extraction et d’étiquetage des données – permettra d’appliquer la technologie de vision par ordinateur à des problèmes où beaucoup moins de données sont disponibles, ce qui pourrait réduire le coût (en termes d’argent et de ressources de calcul) et ouvrir de nombreux nouveaux cas d’utilisation potentiels.

Un cas d’utilisation clé pour la vision par ordinateur est de repérer les dangers et de déclencher des alarmes lorsque quelque chose ne va pas. Des méthodes ont été développées pour permettre aux ordinateurs de détecter les comportements dangereux sur les chantiers de construction, tels que les travailleurs sans casques de sécurité ni harnais de sécurité, ainsi que de surveiller les environnements où des machines lourdes telles que les chariots élévateurs travaillent à proximité des humains, ce qui leur permet d’être automatiquement arrêtés si quelqu’un se met sur leur chemin. Avec 2,7 millions de blessures causées par des accidents du travail chaque année, selon le Bureau of Labor Statistics des États-Unis, il s’agit d’un domaine dans lequel les entreprises investissent de plus en plus afin de réduire les coûts humains et financiers causés par la surveillance ou l’inattention.

Bien sûr, la prévention de la propagation des maladies causées par des virus est également un cas d’utilisation important de nos jours, et ici les technologies de vision par ordinateur sont de plus en plus déployées pour surveiller le respect des exigences de distanciation sociale, ainsi que des obligations de port du masque.

Des algorithmes de vision par ordinateur ont également été développés pendant la pandémie actuelle afin d’aider à diagnostiquer l’infection par radiographie pulmonaire en recherchant des preuves d’infection et de dommages aux images des poumons.

Le shopping et la vente au détail sont d’autres aspects de la vie où nous sommes sûrs de remarquer la prévalence croissante de la technologie de vision par ordinateur en 2022. Amazon a été le pionnier du concept de magasins sans caissier avec ses épiceries Go, équipées de caméras qui reconnaissent simplement les articles que les clients prennent sur les étagères. D’autres succursales ouvriront tout au long de 2022, et d’autres détaillants prendront le train en marche, y compris Tesco, qui ouvrira le premier supermarché sans caisse du Royaume-Uni.

En plus de décharger les humains de la responsabilité de scanner les achats, la vision par ordinateur a un certain nombre d’autres utilisations dans le commerce de détail, y compris la gestion des stocks, où les caméras sont utilisées pour vérifier les niveaux de stock sur les étagères et dans les entrepôts et commander automatiquement le réapprovisionnement si nécessaire. Il a également été utilisé pour surveiller et comprendre les habitudes de déplacement des clients dans les magasins afin d’optimiser le positionnement des marchandises et, bien sûr, dans les systèmes de sécurité pour dissuader les voleurs à l’étalage.

Un autre cas d’utilisation de plus en plus populaire consiste à permettre aux clients d’obtenir des informations sur les produits en scannant les codes-barres à l’aide de leurs téléphones mobiles. Dans le commerce de détail de mode, une application particulièrement amusante de la vision par ordinateur est la « cabine d’essayage virtuelle », qui permet aux acheteurs d’essayer virtuellement des articles sans les toucher – les caméras dans le miroir superposent simplement des images des vêtements sur le reflet du miroir, et peuvent même identifier les produits que les clients essaient et suggérer des accessoires assortis pour les accompagner.

La vision par ordinateur fait partie intégrante des systèmes connectés des voitures modernes. Bien que nos premières pensées puissent être les prochains véhicules autonomes, il a un certain nombre d’autres utilisations dans la gamme existante de voitures « connectées » qui sont déjà sur les routes et garées dans nos garages. Des systèmes ont été développés qui utilisent des caméras pour suivre les expressions faciales afin de rechercher des signes avant-coureurs que nous pouvons être fatigués et risquer de nous endormir au volant. Comme on dit que cela est un facteur dans jusqu’à 25% des accidents de la route mortels et graves, il est clair que des mesures comme celle-ci pourraient facilement sauver des vies.

Cette technologie est déjà utilisée dans les véhicules utilitaires tels que les camions de fret, et en 2022, nous pourrions la voir commencer à faire son chemin dans les voitures personnelles aussi. D’autres utilisations proposées pour la vision par ordinateur dans les voitures qui pourraient passer de la planche à dessin à la réalité comprennent la surveillance du port de la ceinture de sécurité et même si les passagers laissent leurs clés et leur téléphone derrière eux lorsqu’ils quittent les taxis et les véhicules de covoiturage.

Bien sûr, la vision par ordinateur jouera également un rôle important dans la conduite autonome – la pensée actuelle est qu’elle sera l’élément embarqué le plus important de la navigation autonome. Tesla a annoncé cette année que ses voitures s’appuieront principalement sur la vision par ordinateur plutôt que sur le lidar et le radar, qui utilisent respectivement des ondes laser et radio pour construire un modèle de l’environnement de la voiture.

L’edge computing décrit les systèmes où le calcul est effectué aussi près que possible de la source de données. C’est un terme qui est utilisé en contraste avec le paradigme du cloud computing, où les données sont collectées via des capteurs et envoyées à des serveurs centralisés pour le stockage et le traitement. Dans le domaine de la vision par ordinateur, c’est un concept de plus en plus utile, car les systèmes de vision par ordinateur font souvent des travaux où des mesures doivent être prises immédiatement (pensez aux cas d’utilisation mentionnés dans cet article sous la sécurité et la conduite autonome), et il n’y a tout simplement pas le temps pour que les données soient envoyées au cloud!

En plus des augmentations de vitesse qui peuvent être obtenues, l’informatique de périphérie par rapport à la vision par ordinateur a des implications importantes pour la sécurité – un facteur important à prendre en compte alors que les entreprises et les particuliers font face à un examen et à une réglementation plus stricts sur la façon dont les données vidéo sont capturées et utilisées. Avec les dispositifs de périphérie tels que les caméras de sécurité équipées de vision par ordinateur, les données peuvent être analysées à la volée et jetées s’il n’y a aucune raison de les conserver, par exemple, si aucune activité suspecte n’est détectée.

Webinaire Inspire : Libérez l’avantage de l’IA pour transformer votre organisation grâce à l’automatisation et aux informations exploitables

Inscrivez-vous dès maintenant pour participer au webinaire exclusif de l’AMCS sur « Comment libérer l’avantage de l’IA pour transformer votre organisation avec l’automatisation et des informations exploitables » avec le conférencier invité Bernard Marr le 14 juin. Cliquez ici pour en savoir plus et vous inscrire pour recevoir une invitation.

AMCS Vision IA

AMCS Vision AI est notre solution de vision par ordinateur basée sur l’intelligence artificielle conçue pour numériser des images de flux de ressources et d’événements de service afin de fournir aux opérateurs des informations automatisées et continues. En savoir plus ici sur cette solution innovante.