Reconnaissance d'objets sur tablette : un réseau de neurones atteint un F1-score de 94 % en 20 ms

YADRO a développé un réseau de neurones qui reconnaît simultanément une personne, un document, du texte, des QR codes et des codes-barres sur la tablette KVADRA_T, avec un F1-score de 94 % et un temps de traitement de 20 millisecondes directement sur l'appareil. L'entreprise explique que la classification multiclass classique ne convenait pas, par la nature même du problème : une seule image peut contenir plusieurs objets de types différents en même temps, d'où le recours à un modèle multi-label.

Pourquoi la classification classique ne convient-elle pas à la

reconnaissance de plusieurs objets ? Une même image peut contenir en même temps une personne, un passeport, des lignes de texte et des codes à scanner, alors que la classification multiclass classique suppose qu'un objet appartient à une seule classe. Cette tâche exige un modèle multi-label, qui reconnaît tous les objets à la fois.

Comment le réseau de neurones traite-t-il les données en 20 ms sur une

tablette, sans cloud ? Le modèle est optimisé pour s'exécuter directement sur l'appareil (on-device inference), ce qui permet de traiter les images en 20 millisecondes sans connexion à internet. C'est une condition nécessaire à un usage pratique sur appareils mobiles.