Appareils photo voient le monde différemment des humains. La résolution, l’équipement, l’éclairage, la distance et les conditions atmosphériques peuvent avoir un impact sur la façon dont une personne interprète les objets sur une photo. Pour Sophie Voisin, ingénieur logiciel au laboratoire national d’Oak Ridge du ministère de l’Énergie, les images peuvent révéler ce que les yeux humains ne peuvent pas voir, donnant une perspective différente pour comprendre comment le monde change de jour en jour.
Techniquement, le travail de Voisin à l’ORNL porte sur les images – améliorer, améliorer, analyser et exploiter l’imagerie à haute et basse altitude et la vidéo en plein mouvement des drones. Chaque jour, les satellites utilisent des caméras, appelées capteurs, pour voir ce qui se passe partout dans le monde. Le volume d’images capturées quotidiennement est énorme. C’est là que la véritable passion technique de Voisin entre en jeu.
Sophie Voisin, ingénieur logiciel de l’ORNL, faisait partie d’une équipe qui a remporté un prix R&D 100 2014 pour ses travaux sur un logiciel intelligent pour une modélisation personnalisée des avis d’experts, des décisions et des erreurs dans les tâches d’examen visuel. Crédit : Jason Richards/ORNL, Département américain de l’énergie
« J’aime coder. J’aime le côté technique des algorithmes de programmation pour trouver le bon endroit pour appliquer les recherches les plus récentes et les plus importantes à des problèmes réels », a déclaré Voisin. “Je peux immédiatement voir si les modifications apportées à mon algorithme sont appliquées correctement.”
Maintenir la vitesse, la précision
Voisin développe des algorithmes depuis sept ans pour traiter plus rapidement des collections d’images de plus en plus volumineuses. Ce qui a commencé comme une petite application s’est transformé en 12 projets ; elle dirige maintenant une équipe de 32 personnes en tant qu’enquêteurs principaux. L’équipe vise à utiliser le développement de logiciels, la recherche scientifique et l’ingénierie logicielle pour déterminer quelles images montrent des changements dans le paysage susceptibles d’intéresser le gouvernement américain. En laissant les ordinateurs trier les monticules initiaux d’images et en signaler certaines, les analystes peuvent ensuite examiner et interpréter quelles images ont réellement de la valeur pour les décideurs.
Le traitement d’image n’est pas un processus facile. Le nombre d’images brutes continue d’augmenter à mesure que les capteurs capturent de plus en plus d’instantanés du monde. Le traitement de chaque image double ou triple sa taille. Avec des fichiers de grande taille constituant d’énormes ensembles de données, les ordinateurs hautes performances offrent les meilleures chances de traiter les images à la vitesse nécessaire pour prendre des décisions pertinentes. Tirant parti de la vitesse des ordinateurs hautes performances de l’ORNL, l’équipe de Voisin s’efforce également d’offrir une grande confiance dans l’exactitude des résultats.
Au cours de la dernière demi-décennie, Voisin a adapté et maintenu les applications à mesure que le matériel changeait et que les capacités des cartes graphiques augmentaient. Pour éviter que l’algorithme ne se brise, Voisin et son équipe testent le nouveau matériel avant sa mise en service afin d’assurer un flux continu d’informations.
Les algorithmes font la différence
Bien que l’imagerie soit l’imagerie, a déclaré Voisin, c’est la taille des fichiers qui diffère. Depuis qu’elle s’est lancée dans un programme de doctorat en informatique et traitement d’images, elle a travaillé sur la ligne de lumière du High Flux Isotope Reactor, une installation utilisateur du DOE Office of Science, sur l’imagerie médicale pour les mammographies et maintenant sur les images géospatiales. Pour elle, le défi de développer et de peaufiner des algorithmes pour différents types d’images est la partie passionnante.
«Le travail de sécurité nationale est à un rythme différent de celui des autres industries. Je peux tester des algorithmes pour adapter les données, puis les télécharger dans le projet », a déclaré Voisin. Mais pour appliquer des algorithmes d’apprentissage automatique aux données, les informaticiens ont besoin de données de formation.
Les données d’entraînement aident le modèle à apprendre ce qu’il faut rechercher dans une image. Un nouvel algorithme peut ne pas faire la différence entre un camion fourgon et une maison, car les deux peuvent apparaître sous la forme d’un carré. Les informaticiens écrivent des algorithmes pour détecter certaines caractéristiques, puis entraînent l’algorithme pour distinguer les «formes carrées» et déterminer celles qui doivent être signalées pour une analyse plus approfondie.
Continuer à apprendre de ses collègues
East Tennessee est le foyer de Voisin et de sa famille depuis qu’elle a quitté la France pour les États-Unis il y a plus de dix ans. Elle et son mari ont trouvé l’opportunité à l’ORNL de travailler sur des projets fascinants et d’avoir un impact avec la recherche appliquée.
“Je suis venu au laboratoire pour les opportunités de recherche, mais le travail quotidien concerne les personnes avec lesquelles vous travaillez, et je suis reconnaissant de travailler avec une équipe fantastique”, a déclaré Voisin. “Avoir de bonnes relations avec mes collègues me pousse à devenir un bon mentor car j’apprends encore beaucoup des autres.”
La source: ORNL
