Grant: Alliance Grants

Récemment, les approches d'intelligence artificielle à base d'apprentissage profond ont mené à d'importants progrès en vision par ordinateur. Or, la mise en oeuvre de ces approches dans les applications industrielles réelles, où les requis en précision et en vitesse d'exécution sont particulièrement exigeants, reste à ce jour trop limitée dû à leurs limitations courantes. Notamment, celles-ci demandent d'avoir une grande quantité de données annotées et sont peu robustes aux conditions changeantes de l'environnement. Ce partenariat avec la compagnie Matrox a pour objectif de développer des approches de vision à base d'apprentissage profond, qui sont mieux adaptées aux applications réelles de l'industrie. Spécifiquement, ce partenariat mènera à: 1) des algorithmes de vision artificielle pouvant apprendre avec une supervision très limitée (i.e., peu de données annotées ou données faiblement annotées), et s'adapter rapidement aux conditions changeantes de l'environnement; 2) de nouveaux modèles de reconnaissance d'objets capables de traiter à la fois des images 2D et des nuages de points 3D; 3) un système de reconnaissance optique de caractères (ROC) pouvant intégrer un ensemble de règles sur les patrons à reconnaître et généraliser à des polices de caractères jamais observées en entraînement. Le programme de R&D proposé, qui contribuera à la formation de 9 étudiants aux cycles supérieurs et 2 stagiaires postdoctoraux, aura des impacts bénéfiques sur l'industrie et la société. Au niveau industriel, le développement de systèmes d'inspection plus fiables permettra de réduire les coûts de fabrication et mènera à des produits de meilleure qualité. En nécessitant moins de données annotées, les méthodes proposées dans cette recherche pourront également être adaptées plus rapidement et à moindre coût à de nouvelles applications industrielles. Par ailleurs, l'intégration de données 2D et 3D facilitera l'automatisation de tâches complexes qui utilisent ces données, dont la manutention et l'assemblage d'objets, réduisant ainsi les coûts et risques de blessures reliés à ces tâches. Recently, artificial intelligence approaches based on deep learning have led to important progress in computer vision. However, the implementation of these approaches in real-life industrial applications, where requirements in accuracy and speed are particularly demanding, remains too limited due to their current limitations. These approaches often need large amounts of annotated data for training and are very sensitive to changing conditions of the environment. This partnership with the Matrox company aims to develop computer vision approaches based on deep learning that are better suited for real-life industrial applications. Specifically, the partnership will lead to: 1) computer vision algorithms that can learn with very limited supervision (i.e., few annotated data or data that is weakly annotated) and can adapt quickly to changing conditions of their environment; 2) new object recognition models capable of handling both 2D images and 3D point cloud data; 3) a novel optical character recognition (OCR) system that can incorporate a given set of rules on the patterns to recognize and generalize to character fonts never seen in training. The proposed R&D program, which will contribute to the training of 9 graduate students and 2 postdoctoral fellows, will have beneficial impacts on the industry and society. At the industrial level, the development of more reliable inspection systems will help reduce manufacturing costs and will lead to better quality products. By requiring less annotated data, the methods proposed by this research can also be adapted faster and at a lesser cost to new industrial applications. Moreover, the integration of 2D and 3D data will facilitate the automation of complex tasks using both these types of data, including object handling and assembly, thereby reducing the costs and risks of injury related to these tasks.