We gebruiken meer en meer onze smartphones om objecten te scannen en zo toegang te krijgen tot allerlei diensten en informatie. Dat kan allemaal dankzij beeldherkenningstechnologie met behulp van kunstmatige intelligentie. Maar je hebt voor deze toepassingen toegang tot het mobiele netwerk nodig om verbinding te maken met die informatie die ergens in een cloud op internet staat. Dat leidt geregeld tot problemen met de verbindingen.
Drie bedrijven (IMATAG, QUAI DES APPS en ARIADNEXT) hebben hun krachten gebundeld in het onderzoekscentrum Inria Rennes – Bretagne Atlantique om dit probleem op te lossen. Zij hebben deep learning-algoritmen geoptimaliseerd om die problemen op te lossen, zo heeft het Franse nationale instituut voor onderzoek in digitale wetenschap en technologie in een persbericht bekendgemaakt.
Van cloud naar lokaal
“Momenteel wordt bij zulke toepassingen het toestel alleen gebruikt om het beeld vast te leggen. De gegevens worden naar cloudservers gestuurd voor analyse. Dat is een proces dat vaak rekenintensief is. Het resultaat wordt vervolgens teruggestuurd naar de telefoon van de gebruiker. De techniek werkt goed zolang er netwerkdekking is, maar niet in gebieden waar geen dekking is of waar de toegang beperkt is.
Om dit probleem op te lossen, ging het MobileAI-onderzoeksproject op zoek naar mogelijkheden om kunstmatige-intelligentietechnologie in de smartphone te integreren”, legt Montaser Awal uit, hoofd van het onderzoeksteam voor kunstmatige intelligentie bij ARIADNEXT, een bedrijf dat gespecialiseerd is in de verificatie op afstand van ID-documenten.
Deep-learning algoritmen
De kern wordt gevormd door bijzonder krachtige deep-learning algoritmen, de zogeheten convolutionele neurale netwerken (CNN). “Dit zijn uitstekende kandidaten voor mobiele beeldherkenning”, legt Montaser Awal uit. “Maar voor onze doeleinden moesten we hun architectuur aanpassen en optimaliseren om ze uitvoerbaar te maken op mobiele apparaten met behoud van een vergelijkbaar prestatieniveau als cloudgebaseerde serversystemen.”
Het project heeft geresulteerd in tien wetenschappelijke publicaties en vijf prototypes. De nieuwe algoritmen voor beeldclassificatie en tekstherkenning vanaf een foto van een ID-document werden onmiddellijk geïntegreerd in IDcheck.io, het vlaggenschipproduct van ARIADNEXT voor de authenticatie van ID-documenten. “Het verwerven van cutting-edge expertise in deep learning voor beeldherkenning is ook een belangrijke factor voor toekomstige ontwikkelingen”, legt het bedrijf uit.
Door over te schakelen op mobiele beeldherkenning en de descriptoren van deze beelden te verbeteren, kan het systeem nu databases van 100.000 beelden aan.
Ook interessant: Machine-leermethoden helpen wetenschap zonnepanelen beter te snappen
Geselecteerd voor jou!
Innovation Origins is het Europese platform voor innovatienieuws. Naast de vele berichten van onze eigen redactie in 15 Europese landen, selecteren wij voor jou de belangrijkste persberichten van betrouwbare bronnen. Zo blijf je op de hoogte van alles wat er gebeurt in de wereld van innovatie. Ben jij of ken jij een organisatie die niet in onze lijst met geselecteerde bronnen mag ontbreken? Meld je dan bij onze redactie.
Als je dit artikel leuk vindt, lees dan ook:
