Dispositif expérimental
- 01Voir. Frigate regarde les images des caméras et signale : chat. Ou chien. C’est tout ce qu’il sait. Quel chat, il ne peut pas le dire.
- 02Reconnaître. D’où un petit modèle à nous, entraîné sur le PC de jeu avec un peu plus de douze mille découpes de nos animaux, de jour et de nuit en infrarouge : Asuna, Haru, Sammy, Shin, Shiro et Sora. Sora, c’est le chien. À vrai dire, pour le chien il ne faudrait pas de modèle, il n’y en a qu’un.
- 03Compter. L’endroit où un animal a été vu en dernier indique s’il est dedans ou dehors. Home Assistant affiche pour chaque animal une image et le lieu, plus deux compteurs : tant dedans, tant dehors.
- 04Décrire. D’une pression sur un bouton, une IA doit dire en une phrase ce que fait l’animal : « Haru dort sur l’arbre à chat. » Pour cela, seule une découpe serrée de l’animal sort de la maison, sans arrière-plan, jamais l’image entière de la caméra. S’il n’y a pas de découpe, on s’en tient à la reconnaissance à la maison. Et seulement sur pression d’un bouton, au plus une fois par heure et par animal, pour que cela ne coûte presque rien.
Ce qui manque encore
- Un ordinateur qui fasse tourner tout cela jour et nuit. Le modèle est entraîné, pas encore installé.
- Plus d’images de nuit. C’est Haru qu’on attrape le plus rarement la nuit : au dernier comptage, 48 images de nuit sur 710.
- Plus rien du côté de la règle : ce que voient les caméras reste à la maison (chambre 06). La seule exception, ce sont ces petites découpes pour l’étape 04. Pas de pièce, pas d’arrière-plan, juste l’animal.
Pourquoi ?
Parce que « où est le chat ? » est la question qu’on pose le plus souvent dans cette maison. Et parce que c’est un bel exercice d’apprendre à une machine ce que chaque personne de la maison sait faire d’un coup d’œil.
Résultat du test
En attente. À l’entraînement, le modèle a attribué 96 images de test sur 100 au bon animal. Les sujets de test n’ont pas été informés de l’expérience. Ils n’auraient de toute façon pas écouté.