À propos du portail d'IA du BIPD
Le Bureau de l'Intendant Principal de Données a créé des outils basées sur l'IA qui permettent le traitement automatisé des images, offrant les avantages suivants :
- Extensibilité : Ces systèmes d'IA peuvent être déployés pour annoter d'énormes ensembles de données avec un coût supplémentaire minimal.
- Consistance améliorée : L'IA applique les mêmes critères appris à toutes les images, réduisant ainsi la variabilité humaine et les biais.
- Amélioration continue : L'IA peut s'améliorer au fil du temps avec davantage de données, conduisant à des performances de plus en plus élevées.
- Vitesse et efficacité accrues : Ces systèmes peuvent traiter et annoter de grands volumes d'images beaucoup plus rapidement que l'annotation manuelle seule.
- Réduction du travail manuel : L'assistance de l'IA réduit la charge de travail manuel, permettant aux annotateurs humains de se concentrer sur les cas particuliers et le contrôle de la qualité.
Détails techniques
Ce système est basé sur un modèle Detectron avec une architecture ResNet-50 pour identifier et compter les espèces de poissons couramment pêchées dans les images collectées à partir d'équipements de surveillance électronique sur des navires de pêche commerciale.
Les données d'entraînement ont été recueillies lors de 9 campagnes et consistent en 477 889 points centraux (poissons) dans 3 362 images annotés par un personnel formé. Le modèle a été entraîné avec une répartition 70/15/15 pour l'entraînement, la validation et le test, au niveau des images.
Ceci est un modèle RetinaNet ajusté à partir de la plateforme Detectron2 pour la détection d'objets, utilisant une architecture ResNet pour identifier 21 catégories morphotaxonomiques benthiques à partir de véhicules sous-marins télécommandés.
Les données sont issues de FathomNet et des données internes du MPO et consistent en 10 377 images contenant un total de 31 793 localisations. Le modèle a été entraîné avec une répartition 70/15/15 pour l'entraînement, la validation et le test, au niveau des images.
Ceci est un modèle Detectron avec une architecture ResNet-50 qui estime le nombre de poissons dans les bancs et bancs de poissons dans des images collectées à partir de caméras lors de relevés sous-marins.
Les données proviennent du jeu de données public IOCfish5K, qui contient 5 637 images haute résolution avec un total de 1 659 024 points centraux (poissons) annotés. Le modèle a été entraîné avec une répartition 70/15/15 pour l'entraînement, la validation et le test, au niveau des images.
Ceci est un modèle YOLOv6 ajusté à partir d'une architecture ResNet-50 pour identifier les engins fantômes (pièges à homards abandonnés) à partir des images sonar à balayage latéral collectées.
Les données d'ajustement ont été fournies par CSR GeoSurveys Ltd. et consistent en 1 009 images contenant un total de 1 568 localisations de pièges à homards, 1 068 localisations de cordages et 66 localisations d'objets non liés aux engins (négatifs). Le modèle a été entraîné avec une répartition 70/15/15 pour l'entraînement, la validation et le test, au niveau des images.