1. La reconnaissance vocale s’appui sur le moteur de Microsoft qui utilise un arbre de décision pour faire correspondre de l’audio à une grammaire. C’est « magique » et robuste.
2. La reconnaissance gestuelle (de la v4) utilise les outils de machine learning de Microsoft aussi (là c’est une boite noire)
3. La reconnaissance faciale utilise EmguCV. On est sur du computer vision mais pas du DeepLearning. C’est du simple HaarCascade.
Qu’est ce que je souhaite faire ?
1. Dans SARAH on log les commandes vocales (audio + confidence). Donc si les gens de la communauté partageaient cette info (90% sont ok) ce serait un Dataset pour faire du DeepLearning sur l’audio.
2. Sinon j’aimerai aussi faire du Fingerprint de bruit et de musique. Mais il faut trouver LA librairie qui fait ça bien
3. J’aimerai pouvoir faire de la reconnaissance d’objets comme l’a démontré Yann Lecun avec un simple portable. Ce qui donnerai à SARAH une compréhension de ce qu’elle voit.
4. J’aimerai apprendre des usages des gens. Générer automatiquement les règles IFTTT de SARAH en fonctions des habitudes
Pourquoi je bloque ?
Dans SARAH je ne fais qu’assembler des briques de LEGO de manière à rendre simple (JS / XML) les choses compliquées.
Mais les briques de LEGO pour le DeepLearning ne sont pas encore là.
Je rêve de briques:
– « Entrée: une image » => « Sortie: catégories »
– « Entrée: audio » => « Sortie: musique »
– « Entrée: catégories + actions » => « Sortie: suggestion d’actions »
Il y a des choses en SaaS mais pas encore en librairies.
]]>
Merci pour le retour.
Il est vrai que pour entrer dans le sujet du Machine Learning et a fortiori celui du Deep Learning, l’effort est important pour un profil informaticien. Il n’est pas simple de trouver les « bonnes » publications sur le sujet. La plupart sont de la poudre aux yeux et ne sont que le symptôme d’une époque où il s’agit surtout de publier pour se faire entendre et connaître, loin d’une volonté de dire des choses intéressantes et profondes.
Concernant les recettes de cuisine (l’algo A sert à ça …) c’est justement parce qu’il n’y pas d’arbre de décision que le sujet n’est pas automatisable et seulement abordable par une intelligence humaine aguerrie au machine learning.
Il se trouve que je connais ton projet S.A.R.A.H de reconnaissance vocale dans le domaine de la domotique. Je me demandais du coup quelle techno tu utilisais sur ce thème qui me semble très propice au deep learning ?
]]>Au niveau de l’informaticien je trouve dommage qu’il n’y ai pas encore de boite noire / librairies que l’on pourrait utiliser dans nos codes de plus haut niveau.
Typiquement pour mettre en place une platforme pour jouer il faut installer un vrai linux sur une machine spécifique avec de nombreuses étapes, etc … les gens galèrent dans les forums.
Après de nombreuses recherches cela s’explique par:
– La dépendance au matériel
– La recherche de vitesse par les chercheurs
Il existe de nombreuses offres SaaS qui vont abstraire l’implémentation pour proposer une API de surface mais reste l’énorme problème des données. Si je souhaite faire du computer vision sur des vidéos je devrais alors uploader ces vidéos (bande passante, sécurité, vie privée, … ).
Il existe des implémentations comme ConvnetJS mais la communauté reste faible autour de ces projets de haut niveau et l’on atteint très rapidement les limites
Enfin pour démarrer des projets simple il y a encore peu d’articles expliquant les notions « simples ».
– Pour faire ça il faut faire ça
– L’algo A sert a ça , L’algo B sert à ça
C’est souvent plus des data scientist qui parlent au data scientist
A priorit vous maitrisez le sujet, Good for you !
Et c’est pour moi la seule chose intelligible dans votre article.