Bentley : Entraînement d’un détecteur de rouille par apprentissage actif

Les outils basés sur l’intelligence artificielle sont de plus en plus utilisés dans des contextes d’inspection d’infrastructures, où un expert devait normalement passer beaucoup de temps à manuellement visiter puis annoter les portions problématiques. Un problème persiste toutefois pour leur applicabilité : la quantité de supervision requise pour entraîner ces méthodes d’IA. Le projet proposé vise à donner à l’ordinateur la capacité de déterminer quelle rétroaction d’un expert serait la plus utile pour améliorer sa performance. Tout comme un élève peut poser des questions à son professeur spécifiquement sur les sujets qu’il saisit moins bien, la méthode d’IA par apprentissage actif que nous envisageons serait capable d’identifier les éléments qu’elle sait déjà bien reconnaître afin d’éviter à l’expert de devoir « réexpliquer » une connaissance déjà acquise. Au final, ce projet permettra de diminuer grandement le temps requis pour la mise en place d’une telle solution d’inspection et de favoriser la diffusion de ces méthodes.

Faculty Supervisor:

Christian Gagné;Audrey Durand

Student:

Partner:

Bentley Systems Canada

Discipline:

Computer science

Sector:

Information and Communications Technology; Technology

University:

Université Laval

Program: