PlaNet, la machine de Google qui géolocalise les photos d’un simple coup d’oeil

Aujourd’hui, pour localiser l’endroit où une photo a été prise, on se sert des coordonnées GPS intégrées dans l’EXIF. Chez Google, on aimerait bien pouvoir s’en passer. C’est l’objectif du projet PlaNet : apprendre à une machine à identifier du premier coup d’oeil numérique l’origine de n’importe quel cliché.

Hmm, je me demande bien où a été pris ce cliché…

Thomas Weyand est spécialiste en vision par ordinateur (« computer vision specialist ») pour Google et bosse avec quelques potes sur un projet baptisé PlaNet. L’idée c’est d’apprendre à une machine, entraînée via du deep learning (une méthode déjà utilisée avec succès pour les reconnaissances faciales et vocales), à reconnaitre la localisation géographique de n’importe quelle photo qu’on lui soumet.

De base, nous autres, modestes humains, sommes déjà plutôt compétents dans le domaine. Mais Weyand voudrait démontrer qu’à ce petit jeu là, avec l’entraînement adéquat, les machines et leurs réseaux de neurones artificiels sont bien meilleures.

Pour y parvenir, l’équipe de chercheurs a découpé la surface de la planète en 26.000 zones, de taille relative au nombre de clichés disponibles, zones dans lesquelles l’ordinateur a dû ensuite replacer une série des photos déjà géolocalisées, pour « apprendre ». On lui a ensuite soumis quelques 2,3 millions d’images sans les infos GPS, pour voir comment il s’en sortait. Et les résultats sont excellents.

Sur l’intégralité des photos présentées à PlaNet, ce dernier a pu en identifier 3,6% à une rue près, 10,1% au niveau d’une ville, et en placer 28,4% dans le bon pays et 48% sur le bon continent. On l’a ensuite opposé à des humains sur le jeu en ligne GeoGuessr, et là aussi, la machine s’en est tirée la tête haute en pulvérisant ses adversaires 28 fois sur 50. Tout ça en utilisant à peine 377 Mo de mémoire. Not bad, comme dirait l’autre. Et un bon indice de la possibilité de faire tourner très bientôt ce genre d’apps sur nos téléphones.

Source : MIT Technology Review (via Phototrend).