Progrès de la technologie de l'IA pour une meilleure détection et classification des objets
La technologie de base de l’intelligence artificielle (IA) réside dans sa capacité à conserver les connaissances existantes tout en apprenant de nouvelles informations. Cette capacité est cruciale pour que les systèmes d’IA fonctionnent efficacement dans diverses applications, tout comme la capacité humaine de se remémorer des expériences passées tout en en acquérant de nouvelles.
Le professeur Seungryul Baek et son équipe de recherche de la Graduate School of Artificial Intelligence de l'UNIST ont développé une nouvelle technologie appelée relecture générative profonde basée sur la diffusion de stabilité (SDDGR) qui permet à l'IA d'apprendre de nouvelles informations tout en préservant les connaissances existantes. L'étude est publiée sur le arXiv serveur de préimpression.
La technologie SDDGR a transformé divers aspects de la vie quotidienne grâce à son efficacité omniprésente, ce qui en fait un outil essentiel dans les domaines des appareils électroménagers intelligents, de la robotique et de la médecine. La technologie SDDGR est particulièrement efficace dans les voitures autonomes, leur permettant de reconnaître avec précision les objets de la route et de conduire en toute sécurité. Dans un contexte de sécurité, la technologie SDDGR peut détecter avec précision les intrus et déclencher des alertes rapides.
La technologie d'apprentissage incrémental de classe (CIL) précédemment développée présentait des limites en termes de reconnaissance et de classification de plusieurs objets dans une image. Pour relever ce défi, la technologie SDDGR a vu le jour. Elle génère des images de haute qualité et permet de conserver les connaissances antérieures grâce à un traitement itératif. En exploitant des méthodes d'apprentissage avancées, SDDGR améliore la précision lors du traitement de nouvelles données.
De plus, la norme SDDGR offre des avantages économiques en réduisant les coûts de stockage et de traitement des données grâce à une réutilisation efficace des données. Selon l’équipe de recherche, cette approche devrait générer des avantages économiques considérables pour les entreprises.
Le professeur Baek Seung-ryul a noté : « Le modèle SDDGR contribuera grandement à améliorer la précision de la détection continue d'objets dans diverses industries. »
Le premier auteur Junsu Kim a ajouté : « Nous avons démontré l'efficacité pratique de la technologie SDDGR dans diverses applications, ce qui permettra aux entreprises de développer de meilleurs modèles d'IA avec des coûts et des délais réduits. »
