COMMENT LA RECONNAISSANCE FACIALE PEUT VALORISER LES ARCHIVES VIDÉO
Ces dernières années, grâce notamment à la plus grande disponibilité des fonctionnalités offertes par les principaux fournisseurs de services cloud, la technologie de reconnaissance faciale est utilisée pour identifier des personnes non seulement sur des photos de nos années d'université, mais aussi sur des photos remontant aux années 1860.
Angus Dorney, co-PDG de Kablamo, s'est récemment entretenu avec ComputerWorld sur la manière dont la reconnaissance faciale et l'IA peuvent révéler une valeur considérable dans les archives vidéo. Lire l'article complet ici. Un extrait est présenté ci-dessous.
Valeur des archives
Cette technologie trouve également des applications en entreprise, notamment pour les médias qui souhaitent retrouver des séquences ou des images fixes pertinentes dans leurs archives vidéo.
« Ces entreprises possèdent des millions d'heures de contenu vidéo, généralement stockées dans de multiples systèmes anciens. Le balisage des métadonnées est inexistant ou variable, et les processus de recherche de contenu sont extrêmement anciens, manuels et interconnectés », explique Angus Dorney, co-PDG de Kablamo, société de technologies cloud basée à Sydney et Melbourne.
« Si vous êtes journaliste dans un média ou travaillez pour des archives gouvernementales et que quelqu'un vous demande une vidéo précise, la retrouver est une tâche très difficile, chronophage et coûteuse », ajoute-t-il.
Kablamo conçoit des solutions offrant une expérience utilisateur similaire à celle de YouTube pour la recherche de vidéos d'archives pertinentes. Grâce aux outils de reconnaissance faciale et d'objets d'AWS, les utilisateurs saisissent simplement une personne ou un objet « et obtiennent une liste de résultats classés par ordre de priorité, l'emplacement de la vidéo, et peuvent cliquer pour y accéder immédiatement », explique Dorney, ancien directeur général de Rackspace.
Les modèles d'apprentissage automatique qui sous-tendent cette fonctionnalité peuvent, au fil du temps, affiner et adapter leur comportement, rendant les résultats plus précis et plus utiles aux utilisateurs.
« On assiste véritablement à un fonctionnement quasi-humain de l'ordinateur dans ce domaine, ce qui est extrêmement prometteur », conclut Dorney.
