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

1. View Slide

2. 2
   Constat
   

   View Slide

3. 3
   Idée de départ
   

   View Slide

4. 4
   Équipe
   

   View Slide

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
   

   View Slide

6. 6
   Comment identifier la catégorie légale
   –
   –
   –
   –
   

   View Slide

7. 7
   Premières pistes
   

   View Slide

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
   

   View Slide

9. 9
   Autre pistolet
   Revolver
   Épaule à un coup
   Épaule à pompe
   

   View Slide

10. 10
    Méthodologie
    

    View Slide

11. View Slide

12. 12
    Prototype : statégie d’entraînement
    –
    –
    –
    –
    –
    –
    

    View Slide

13. 13
    Prototype : statégie d’évaluation
    –
    –
    –
    –
    –
    

    View Slide

14. 14
    Meilleur modèle : EfficientNetB7
    

    View Slide

15. View Slide