LOADING

Type de recherche

DeepDetect, l’IA qui traduit une poignée de pixels en véhicule terrestre

Partager

Une vingtaine d’innovations sont mises à l’honneur lors de la seconde édition du Forum Innovation Défense, dont certaines apparaissent pour la première fois. C’est le cas du DeepDetect, projet notamment piloté par MBDA et qui recourt à l’intelligence artificielle pour améliorer les capacités de détection et de reconnaissance et soutenir la prise de décision.

Tout est dans le nom : DeepDetect a pour objectif « d’arriver à détecter, sur des images, de très petits objets », explique Denis Gardin, Directeur de l’innovation et des technologies futures de MBDA lors d’une table ronde sur les technologies de rupture. Par petits objets, il faut entendre des éléments d’environ 5×5 pixels sur des images d’environ 700×500 pixels. Des objets que l’œil humain ne pourra donc que très difficilement détecter, et encore moins reconnaître, dans un contexte opérationnel ou le stress et la fatigue sont deux facteurs parmi d’autres de diminution des capacités.

(Crédits : Lynred)
(Crédits : Lynred)

Pour aider l’opérateur, DeepDetect vient ajouter une intelligence artificielle dans la boucle, « quelque chose qui n’avait jamais été fait » selon MBDA. Grâce à sa capacité d’apprentissage profond, l’IA va s’entraîner à partir d’une base de données pour progressivement développer des automatismes et les affiner grâce à des critères de performance. À l’image, grosso modo, des cours d’identification de matériels militaires dispensés au profit de certaines unités de renseignement. Sauf qu’ici, pas de perte de mémoire et une différenciation sûre et quasi instantanée entre un véhicule blindé BMP-3 et un pick-up Toyota, qu’importe leur taille dans l’image.

Pour déterminer la solution la plus pertinente, les chercheurs ont mis en œuvre différents algorithmes basés sur des réseaux de neurones convolutifs. Ils ont par ailleurs ajouté des contraintes supplémentaires pour inciter l’IA à intégrer les nombreuses variables rencontrées en situation opérationnelle. Ce sont par exemple des images basse résolution, une grande variété de fonds (champs, forêts, villes, etc.) ou encore des éléments de masquage. Résultat, un « réseau de neurones » capable de fournir une solution de reconnaissance de véhicules terrestres en imagerie infrarouge. Les applications militaires sont nombreuses avec, in fine, des gains opérationnels évidents comme la réduction des erreurs d’identification, l’automatisation de la fonction de surveillance, l’accélération de la prise de décision et une meilleure discrimination des cibles.

Mené entre 2018 et 2020, ce projet « écoles » a été soutenu par un financement ASTRID de la DGA d’environ 300 000€. Hormis le missilier européen, il a réuni des chercheurs du Laboratoire des sciences techniques de l’information, de la communication et de la connaissance (Lab-STICC), de l’Institut de recherches en informatiques et systèmes aléatoires (IRISA – Université de Bretagne Sud, Vannes) et de l’Unité Mixte de Recherche AMURE (Brest). « Ce sont ces laboratoires qui ont évalué les meilleurs algorithmes dans le domaine. Cela va nous permettre d’améliorer les systèmes de détection de cibles, en particulier, pour arriver à distinguer un char d’un camion ou d’un véhicule 4×4, par exemple, ou pour faire face aux menaces des petits drones (…) et pour traiter des images satellites ou aériennes », ajoute Denis Gardin.

Un exemple d'identification de cible réalisé par l'IA issue du projet DeepDetect
Un exemple d’identification de cible réalisé par l’IA issue du projet DeepDetect

« Quand on pense intelligence artificielle, on pense toujours big data, cloud et super ordinateur. L’intérêt de ce projet c’est de faire de l’IA avec pas grand chose », souligne l’ingénieur en chef (ICA) Marc Sirven, responsable du pôle capteurs, guidage et navigation de la DGA. De fait, l’équipe de DeepDetect a dès l’origine pris en compte les aspects matériels et logiciels pour concevoir une solution répondant aux contraintes de portabilité rencontrées dans un cadre opérationnel. La « légèreté » qui en résulte laisse entrevoir une future intégration « directement dans les senseurs, dans les caméras, dans les auto-directeurs des missiles sans avoir à utiliser de larges infrastructures informatiques », estime l’ICA Sirven.

Du côté de MBDA, ces travaux complètent d’autres études conjointes menées sur l’intelligence artificielle et la reconnaissance d’images. Avec Numalis, qui travaille sur la robustesse de l’IA et dans laquelle MBDA a investi en février 2020, ou encore avec la PME iséroise Kalray. Ce spécialiste des microprocesseurs a ainsi participé au projet de technologies de défense (PTD, ex-PEA) « 2ACI » piloté par MBDA et dont l’enjeu est un écho direct à DeepDetect : développer des chaînes algorithmiques temps réel de détection, reconnaissance, identification de cibles terrestres en faisant appel à l’IA. Axé vers l’environnement Scorpion, 2ACI s’est traduit par la réalisation de deux démonstrateurs, dont l’un, intégré sur blindé lourd, a été évalué en conditions opérationnelles sur un site de DGA Techniques Terrestres.

Tags:

Laisser un commentaire

Your email address will not be published. Required fields are marked *