Le 15e jour du mois
Avril 2017 /263

Intelligence artificielle

Avec un nouveau supercalculateur, l’IA à l'Université de Liège marque un but !

Projet de recherche financé par la Région wallonne à hauteur de plus de 2,5 millions d’euros, “DeepSport” est mené par le Pr Marc Van Droogenbroeck (Telim, Institut Montefiore). Il vise à apprendre à des intelligences artificielles (IA) à analyser et produire automatiquement des vidéos sportives. Une tâche qui a nécessité l’acquisition d’un supercalculateur.

Si l’on en croit l’un des pionniers du domaine, Marvin Minsky du MIT, l’intelligence artificielle “est la construction de programmes informatiques qui s’adonnent à des tâches pour l’instant accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau”. Une révolution des algorithmes est en marche. À l’ULg aussi.

APPRENTISSAGE PROFOND

Dans la définition du projet DeepSport, tous les termes comptent : l’apprentissage, l’analyse, la production automatique de séquences, et cela dans le domaine sportif.

IA-1

Photo : DeepSport veut analyser les images pour que l’ordinateur puisse comprendre les phases de jeu.
Cette compréhension passe par le détection du ballon et de l’identification automatique des joueurs.

L’apprentissage profond (deep learning) de tâches d’analyse par des systèmes d’intelligence artificielle est certes récent, mais n’est évidemment pas une exclusivité du projet DeepSport. Il s’agit d’une technique qui permet à une “intelligence artificielle” (IA) de reconnaître, par exemple, le contenu d’une image ou d’un son. Depuis toujours, l’opération d’apprentissage consiste à fournir à la machine des exemples puis à lui expliquer comment les classifier. Le deep learning, pour sa part, va plus loin car il permet de traiter de grands volumes d’exemples et d’apprendre des notions sémantiques, à l’instar d’un être humain. Il s’agit toujours d’un apprentissage mais la machine agit en quelque sorte comme un réseau de neurones travaillant avec un grand nombre de couches successives : les résultats de la première couche vont servir d’entrée, de données, pour les calculs de la deuxième couche et ainsi de suite. Un travail en profondeur, d’où le nom de deep learning. Si un système doit reconnaître un triangle par exemple, la première couche va reconnaître la présence d’une ligne en comparant les pixels sur la ligne et ceux situés dans le voisinage. Cela acquis, la deuxième couche va donc être capable de reconnaître les lignes mais va aller plus loin en détectant par la même technique celles qui font un certain angle entre elles. Et ainsi de suite jusqu’à la reconnaissance des triangles. Cette simple description laisse deviner le nombre affolant d’opérations que nécessite entre autres la reconnaissance d’un visage !

IA-2Si l’on traite une image, le résultat peut être ce qu’on appelle une carte de segmentation dans laquelle les objets sont marqués sémantiquement (par une couleur par exemple). Ainsi, pour une scène de rue, la machine va affecter une couleur différente aux voitures, à la route, aux bâtiments, etc. Chaque objet a donc une signification sémantique précise que la machine peut interpréter par elle-même. Elle marque dans l’image toutes ces catégories pixel par pixel ; on sait donc à quelle catégorie appartient chaque pixel (pixel de route, pixel de voiture, etc.). « Nous avons tout d’abord utilisé le deep learning pour faire de la détection de mouvement dans des scènes, voir si un pixel résulte d’un objet en mouvement ou immobile, souligne Marc Van Droogenbroeck. Nous avons amélioré les performances des systèmes existants, ce qui nous a convaincus de lancer le projet DeepSport. »*

MARQUER AUTOMATIQUEMENT

Mais quel intérêt d’appliquer cela au domaine sportif, en l’occurrence ici le football et le basket ? « Prenez un match capté par dix caméras et autant de micros, explique Marc Van Droogenbroeck. Ce que vous voyez sur votre écran de télévision n’est qu’un assemblage de séquences d’une caméra et puis d’une autre, un mélange dû au réalisateur qui est en régie. Les séquences des neuf autres caméras, inutilisées, sont perdues car les flux d’images sont tels qu’il n’est pas possible de les stocker et qu’aucun humain ne peut réaliser une opération de sélection en direct pour sauvegarder ce qui pourrait être intéressant. » Ce que les chercheurs liégeois sont en train d’apprendre à leur IA, c’est donc de marquer, d’annoter des séquences de jeu en fonction de certains critères afin de les sauvegarder et de comprendre les phases de jeu, de quoi en faire par exemple des résumés, des montages automatiques. Ils apprennent ainsi à leur machine à lire les chiffres, mais uniquement ceux figurant sur les maillots (et pas ceux qui sont sur les publicités en bord de terrain !), pour sauvegarder tout ce qui concerne un joueur notamment : c’est possible puisque, comme on l’a vu, on peut savoir à quelle catégorie appartient chaque pixel d’une image, donc isoler tous les pixels “numéro de maillot” ! On l’aura compris, le but de DeepSport (et c’est une réelle nouveauté), est de traiter automatiquement le flux venant de l’ensemble des systèmes de captation (images et sons) pour que la machine comprenne la phase de jeu et sache ce qu’il faut sauvegarder ou pas.

« De telles opérations nécessitent évidemment des puissances de calcul énormes, insiste le Pr Van Droogenbroeck. C’est pourquoi, grâce au financement de la Région, nous avons acquis un supercalculateur taillé sur mesure pour le deep learning comportant huit cartes graphiques spécialisées dans l’apprentissage profond, interconnectées de manière à échanger rapidement les informations. Il s’agit d’une première en Belgique. »

 

* Outre l’université de Liège représentée par les Prs Louis Wehenkel et Marc Van Droogenbroeck de l’Institut Montefiore, DeepSport regroupe aussi deux unités de l’UCL (analyse vidéo et kinésithérapie) et une de l’UMons (analyse des sons).

 

Henri Dupuis
Photos : Telim - Institut Montefiore
Illustration : Géraldine Simonis - 1er Master Illu - ACA Sup Liège
Sur le m�me sujet :

© Universit� de Li�ge - http://le15ejour.uliege.be/ - 28 mars 2024