20220317-datadrink-basegun

Benjamin Barralon, Sarah Cocher et Beryl Koller du Laboratoire des données du Ministère de l’Intérieur nous présenteront Basegun, une solution d’IA permettant d’identifier et classer instantanément une arme sur le terrain.

Transcript

2. 2 Constat
3. 3 Idée de départ
4. 4 Équipe
5. 5 4 - Très fréquent 3 - Fréquent 2 - Rare 1 - Très rare 1 - Faible 2 - Moyen 3 - Elevé 4 - Très élevé FRÉQUENCE IMPACT acceptable significatif Légende des zones : critique inacceptable Première étape : investigation du problème Priorisation des irritants suite aux discussions avec des gendarmes ou des policiers
6. 6 Comment identifier la catégorie légale – – – –
7. 7 Premières pistes
8. 8 Prototype : choix techniques Comment distinguer efficacement certaines typologies d’armes ? – Deep Learning avec Pytorch – Faire classification (donne score d’appartenir à chaque typologie) plutôt que détection (repérer où se situe l’arme à feu + catégoriser) classification + performante, méthodes d’évaluation + précises on suppose que toute image en entrée est une arme à feu bien visible – Définir 10 classes / typologies que l’on va chercher à distinguer avec les experts armes – Obtenir ~ 5000 photos variées pour chacune des classes pour constituer un dataset d’entraînement de qualité
9. 9 Autre pistolet Revolver Épaule à un coup Épaule à pompe
10. 10 Méthodologie
12. 12 Prototype : statégie d’entraînement – – – – – –
13. 13 Prototype : statégie d’évaluation – – – – –
14. 14 Meilleur modèle : EfficientNetB7