{"id":19956,"date":"2022-11-22T08:49:46","date_gmt":"2022-11-22T13:49:46","guid":{"rendered":"https:\/\/www.crim.ca\/?post_type=blogue&p=19956"},"modified":"2023-03-29T09:48:24","modified_gmt":"2023-03-29T13:48:24","slug":"identification-de-baleines-bleues","status":"publish","type":"blogue","link":"https:\/\/www.crim.ca\/fr\/blogue\/identification-de-baleines-bleues\/","title":{"rendered":"Identification de baleines bleues \u00e0 l\u2019aide de la vision par ordinateur"},"content":{"rendered":"

L\u2019\u00e9quipe de vision par ordinateur du CRIM est appel\u00e9e \u00e0 r\u00e9soudre toutes sortes de probl\u00e8mes d\u2019analyse d\u2019images ou de vid\u00e9os reli\u00e9s \u00e0 des domaines aussi vari\u00e9s que l\u2019inspection industrielle, la dermatologie, l\u2019imagerie microscopique, l\u2019imagerie 3D, etc.<\/p>\n

R\u00e9cemment, elle a \u00e9t\u00e9 amen\u00e9e \u00e0 s\u2019int\u00e9resser au probl\u00e8me de la r\u00e9-identification automatis\u00e9e d\u2019animaux qui joue un r\u00f4le crucial pour la compr\u00e9hension des \u00e9cosyst\u00e8mes. Ce domaine est de plus en plus \u00e9tudi\u00e9, entre autres \u00e0 cause de l\u2019utilisation croissante de pi\u00e8ges photographiques (camera traps<\/em>) qui capturent des volumes importants d\u2019images d\u2019animaux sauvages au moment de leur passage devant des cam\u00e9ras. Ces volumes d\u2019images sont trop \u00e9lev\u00e9s pour \u00eatre trait\u00e9s manuellement par les chercheurs. Les plateformes de recherche comme wildme.org, un outil important favorisant entre autres la science citoyenne, ont aussi un grand besoin d\u2019algorithmes d\u2019analyse d\u2019images pour permettre \u00e0 leurs utilisateurs d\u2019alimenter les bases de donn\u00e9es sur l\u2019\u00e9volution des populations de multiples esp\u00e8ces.<\/p>\n

Contexte<\/h2>\n

La station de recherche des \u00eeles Mingan (SRIM) a contact\u00e9 l\u2019\u00e9quipe du CRIM pour lui proposer d\u2019utiliser ses images de baleines bleues dans le but d\u2019automatiser le processus de photo-identification. La photo-identification de baleines est une activit\u00e9 exigeante qui demande du temps et de l\u2019expertise de pointe:<\/p>\n

\"\"
Source \u00a9 SRIM\/MICS<\/figcaption><\/figure>\n

 <\/p>\n

La m\u00eame baleine se retrouve sur l\u2019une des trois photos suivantes, pouvez-vous dire laquelle et ainsi r\u00e9ussir le test de photo-identification? \ud83d\ude01<\/p>\n

A)<\/p>\n

\"\"
Source \u00a9 SRIM\/MICS<\/figcaption><\/figure>\n

B)<\/p>\n

\"\"
Source \u00a9 SRIM\/MICS<\/figcaption><\/figure>\n

C)<\/p>\n

\"\"
Source \u00a9 SRIM\/MICS<\/figcaption><\/figure>\n

La photo qui correspond \u00e0 la baleine inconnue est la photo C, prise \u00e0 trois ans d\u2019intervalle par rapport \u00e0 la premi\u00e8re photo. On l\u2019aura compris, l\u2019id\u00e9e est de v\u00e9rifier que les patrons de taches entre les deux individus sont les m\u00eames [1]:<\/p>\n

Naturellement, la mise au point d\u2019une m\u00e9thode automatique de photo-identification pourrait grandement assister les biologistes dans la recherche de correspondances de photos, par exemple en r\u00e9duisant la liste de candidats possibles.<\/p>\n

Au cours des 40 derni\u00e8res ann\u00e9es, le SRIM a accumul\u00e9 des milliers d\u2019images de ces c\u00e9tac\u00e9s avec leurs m\u00e9tadonn\u00e9es. Toutes ces informations peuvent-elles \u00eatre utilis\u00e9es par des techniques d\u2019intelligence artificielle, plus pr\u00e9cis\u00e9ment des techniques de vision par ordinateur, pour appuyer les chercheurs dans leurs activit\u00e9s de photo-identification? Et quelles m\u00e9thodes sont les plus prometteuses?<\/p>\n

Photo-identification automatis\u00e9e: d\u00e9marche et solutions<\/h2>\n

La revue de litt\u00e9rature sur le sujet a donn\u00e9 peu de r\u00e9sultats: c\u2019est un probl\u00e8me qui a \u00e9t\u00e9 tr\u00e8s peu abord\u00e9 dans la litt\u00e9rature scientifique. On pourrait penser qu\u2019un algorithme d\u00e9velopp\u00e9 pour photo-identifier une autre esp\u00e8ce de baleine pourrait servir de point de d\u00e9part; or le processus de photo-identification peut \u00eatre tr\u00e8s diff\u00e9rent d\u2019une esp\u00e8ce \u00e0 l\u2019autre, parfois c\u2019est la queue qui est distinctive, parfois c\u2019est la t\u00eate ou la nageoire dorsale, etc.<\/p>\n

Ce sont les taches sur la peau de la baleine bleue qui permettent de l\u2019identifier et la meilleure piste algorithmique est du c\u00f4t\u00e9 d\u2019une famille de techniques qui permettent l\u2019extraction et la comparaison de caract\u00e9ristiques locales de l\u2019image.<\/p>\n

Les caract\u00e9ristiques locales sont des signatures rattach\u00e9es \u00e0 des points pr\u00e9cis dans une image (ex. appartenant \u00e0 un objet) et qui ont des propri\u00e9t\u00e9s d\u2019invariance, c\u2019est-\u00e0-dire qu\u2019elles ont \u00e0 peu pr\u00e8s la m\u00eame valeur m\u00eame si l\u2019apparence de l\u2019objet dans l\u2019image change de fa\u00e7on marqu\u00e9e (point de vue diff\u00e9rent, illumination diff\u00e9rente, etc.).<\/p>\n

La figure suivante illustre l\u2019id\u00e9e, o\u00f9 des points visuellement similaires (localement) ont pu \u00eatre reli\u00e9s par des lignes parce que leurs signatures sont semblables, m\u00eame si l\u2019objet a une apparence diff\u00e9rente (rotation, inclinaison, taille plus petite):<\/p>\n

\"\"
https:\/\/docs.opencv.org\/3.4\/Feature_Homography_Result.jpg<\/figcaption><\/figure>\n

Dans ce contexte, \u00e0 l\u2019instar de la bo\u00eete de biscuits ci-dessus, deux images d\u2019une m\u00eame baleine auront plusieurs points de correspondance et plus les correspondances seront nombreuses, plus les chances seront \u00e9lev\u00e9es que les images proviennent du m\u00eame individu.<\/p>\n

Nous avons \u00e9valu\u00e9 plusieurs algorithmes d\u2019extraction et de comparaison de caract\u00e9ristiques locales sur un jeu de donn\u00e9es de bonne taille (807 individus diff\u00e9rents, 3129 images au total). On peut les classer en trois cat\u00e9gories:<\/p>\n