Vigilance accrue dans les aéroports grâce aux réseaux neuronaux

1,5 million de dollars. C’est le montant investi par la sécurité intérieure américaine dans un concours pour développer des algorithmes experts. L’objectif est d’analyser en temps réel les images des scanneurs corporels des portiques de sécurité des aéroports pour identifier des objets dissimulés. Un moyen de valoriser les récents progrès réalisés autour des réseaux neuronaux dits « profonds ».

Pour disposer d’une lecture plus précise des images et améliorer l’efficacité des agents en charge de la sécurité dans les aéroports, les Etats-Unis ont mis les moyens ! Lancée sur la plate-forme de crowdsourcing « Kaggle », la compétition devrait permettre de capitaliser sur les derniers progrès observés autour des réseaux neuronaux dits « profonds », une technologie basée sur des systèmes mathématiques complexes, capables d’apprendre des tâches précises à partir d’importants volumes de données. Déjà à l’œuvre dans la reconnaissance faciale, la reconnaissance vocale ou encore la traduction automatique, les cas d’usage de cette technologie dépassent largement le périmètre des applications mobiles. En témoigne le concours lancé plus tôt cette année sur cette même plateforme pour développer un algorithme en mesure de détecter les signes d’un cancer du poumon, à partir d’images radios.

 

Don de scanners 3D et production de données

 

L’intérêt des réseaux neuronaux tient principalement à leur rapidité d’apprentissage qui permet de s’affranchir des règles individuelles et des lignes de code. Dans le cadre de ce concours, le département de la sécurité intérieure américaine a mis à la disposition des data scientists qui y participent plus d’un millier de scanneurs corporels 3D. Pour des raisons évidentes de confidentialité, les images des deux millions de personnes franchissant quotidiennement ces portiques dans les aéroports du pays n’ont pas été partagées. Ce sont donc des employés de l’Agence nationale américaine de sécurité dans les transports qui se sont portés volontaires pour produire ces données en traversant quotidiennement des scanneurs tests, équipés ou non d’objets.

 

Toutefois, le système n’est pas infaillible et les recherches ont prouvé, suite à l’analyse des performances de systèmes de reconnaissance d’images basés sur des réseaux neuronaux, qu’il était possible de transformer des objets pour qu’ils passent entre les mailles du filet. C’est la raison pour laquelle ces technologies n’ont pas pour vocation de remplacer – du moins dans l’immédiat – le travail des agents de sécurité, mais simplement de les assister en facilitant leur quotidien. En cela, ces systèmes seraient comparables à ceux dont disposent les radiologues pour les aider dans leurs diagnostics.

 

Lire l’article (en anglais) :

 

En complément :

Le deep learning pour anticiper la santé des patients,

Les applications des réseaux neuronaux profonds dans le retail.