{"id":14756,"date":"2024-07-06T01:38:15","date_gmt":"2024-07-06T01:38:15","guid":{"rendered":"https:\/\/www.lifescienceart.com\/?p=14756"},"modified":"2024-07-06T01:38:15","modified_gmt":"2024-07-06T01:38:15","slug":"google-ai-image-localization-planet","status":"publish","type":"post","link":"https:\/\/www.lifescienceart.com\/fr\/science\/artificial-intelligence\/google-ai-image-localization-planet\/","title":{"rendered":"Le nouvel outil d’IA de Google localise avec pr\u00e9cision l’origine des photos"},"content":{"rendered":"

Le nouvel outil d’IA de Google localise avec pr\u00e9cision l’origine des photos<\/h2>\n\n

PlaNet : le r\u00e9seau neuronal de localisation d’images de Google<\/h2>\n\n

Google a fait des progr\u00e8s significatifs dans le domaine de l’intelligence artificielle (IA) avec le d\u00e9veloppement de PlaNet, un r\u00e9seau neuronal capable de d\u00e9terminer l’emplacement d’une photo avec une pr\u00e9cision remarquable. Cette avanc\u00e9e pourrait r\u00e9volutionner les applications bas\u00e9es sur l’image et am\u00e9liorer notre compr\u00e9hension du monde qui nous entoure.<\/p>\n\n

Comment fonctionne PlaNet<\/h2>\n\n

PlaNet analyse les pixels d’une image pour d\u00e9terminer son emplacement. Pour entra\u00eener le r\u00e9seau neuronal, les chercheurs ont divis\u00e9 la Terre en des milliers de “cellules” g\u00e9ographiques et ont introduit plus de 100 millions d’images g\u00e9or\u00e9f\u00e9renc\u00e9es. Certaines images ont \u00e9t\u00e9 utilis\u00e9es pour apprendre \u00e0 PlaNet \u00e0 identifier \u00e0 quelle cellule appartient une image, tandis que d’autres ont valid\u00e9 les r\u00e9sultats initiaux.<\/p>\n\n

Une pr\u00e9cision impressionnante<\/h2>\n\n

Lors des tests, PlaNet a obtenu des r\u00e9sultats impressionnants. Il a identifi\u00e9 l’emplacement de 3,6 % des images avec une “pr\u00e9cision au niveau de la rue”, de 10,1 % au niveau de la ville, de 28,4 % au niveau du pays et de 48 % au niveau du continent. Ces r\u00e9sultats surpassent les performances humaines, les erreurs de PlaNet se situant en moyenne \u00e0 seulement 702 miles de l’emplacement r\u00e9el, contre plus de 1 400 miles pour les sujets humains.<\/p>\n\n

Applications et potentiel<\/h2>\n\n

Les capacit\u00e9s de PlaNet ont des implications consid\u00e9rables. Il peut \u00eatre int\u00e9gr\u00e9 \u00e0 des appareils tels que les t\u00e9l\u00e9phones portables pour effectuer des analyses d’images complexes, comme l’identification de points de rep\u00e8re, la fourniture d’un contexte historique ou l’assistance \u00e0 la navigation. Cette technologie est \u00e9galement prometteuse dans des domaines tels que l’urbanisme, la surveillance de l’environnement et les op\u00e9rations de recherche et de sauvetage.<\/p>\n\n

L’avenir de la localisation d’images<\/h2>\n\n

Les r\u00e9seaux neuronaux comme PlaNet repr\u00e9sentent une avanc\u00e9e significative dans l’analyse d’images. Les chercheurs envisagent un avenir o\u00f9 ces syst\u00e8mes deviendront encore plus sophistiqu\u00e9s, leur permettant d’apprendre les uns des autres et d’effectuer des t\u00e2ches de plus en plus complexes. \u00c0 mesure que l’IA continue d’\u00e9voluer, nous pouvons nous attendre \u00e0 de nouvelles avanc\u00e9es qui am\u00e9lioreront notre capacit\u00e9 \u00e0 comprendre et \u00e0 interagir avec le monde visuel.<\/p>\n\n

Informations compl\u00e9mentaires<\/h2>\n\n