Projet Pixel-IA (2020-2021)

Description : L’approche technologique la plus classique en IA pour la détection d’anomalie consiste à un apprentissage supervisé d’une anomalie classifiée. Ceci implique deux limitations, la première étant que l’anomalie doit donc être connue pour être reconnue, on parle alors de classification des anomalies. La seconde limitation impose de disposer de suffisamment de données labélisées relatives à cette anomalie pour effectuer cet apprentissage supervisé. A l’inverse, dans le cadre de nos travaux, on s’intéresse aux situations où l’on souhaite détecter des anomalies très diverses n’ayant encore jamais ou très peu eu lieu dont la caractérisation a priori n’est, par nature, pas possible.

Plutôt que d’entraîner l’algorithme sur les anomalies souhaitées, il s’agit d’entraîner celui-ci à reconnaître une situation normale. Une anomalie est alors par définition toute situation déviant de ce cadre habituel. A posteriori, il est toutefois envisageable de créer une classification à partir des anomalies détectées, en collaboration avec l’utilisateur. C’est aussi une des originalités de nos travaux de proposer un apprentissage adaptatif permettant de corriger le système au cours du temps. Le vidéo-patrouilleur a la possibilité de qualifier la détection (fausse alarme/bonne détection, classe de la détection…) et d’injecter cette information dans le système qui se mettra à jour d’une manière adaptative. La région Grand Est et le Fonds Européen de Développement Régional (FEDER) ont financé ce projet à hauteur de 80 millions d’euros.