Edge co-occurrences
Co-occurrences de contours élémentaires (A) Un exemple d'image dont les contours sont extraits. (B) Définition de la co-occurence de contours (cliquer pour plus d'infos).

Une nouvelle étude analysant comment nous détectons un animal dans une scène visuelle permet de révéler certains mystères du cerveau.

Des scientifiques de l’université d'Aix-Marseille et de l’université d'Edinburgh en Ecosse ont modélisé la façon dont nous pouvons distinguer des animaux sur une image en une fraction de seconde. Ils ont alors trouvé que cette classification est possible à un niveau de représentation très primitif, et non, comme cela est généralement admis, après une longue série d'analyses visuelles de plus en plus abstraites (détection des yeux et des membres, puis de la tête et du corps, etc...).

Cette étude montre que quand des personnes regardent une image, leur cerveau se fait très rapidement une première idée de son contenu, en complément de processus de traitement de plus en plus raffinés et de plus en plus longs.

Ces chercheurs ont utilisé des données précédemment enregistrées dans lesquelles des volontaires regardaient et classifiaient des centaines d'images. Ils ont ensuite utilisé des modèles mathématiques de la représentation visuelle des images dans l'aire visuelle primaire et en particulier des inter-relations entre des éléments de contours voisins. En utilisant cette représentation primitive, ils ont mis en évidence qu'un programme très simple pouvait facilement classifier les images comme contenant ou non un animal, sans avoir besoin d’une connaissance plus élaborée sur les caractéristiques d’un animal comme sa position, sa taille ou son orientation sur l’image.

Cette découverte peut accélérer le développement de requêtes via des images dans les moteurs de recherche, comme Google et Facebook, car elle permet une classification simple et robuste grâce à des caractéristiques statistiques de bas niveau basées la géométrie des objets et pourrait ainsi améliorer l'efficacité de tels algorithmes.

Cette étude a été financée grâce à des aides de la communauté européenne et de l'Agence Nationale pour la Recherche Française et est publiée dans le journal Scientific Reports du groupe Nature Publishing.

Selon Laurent Perrinet, chercheur à l'institut des neurosciences de la Timone, qui a conduit cette étude en collaboration avec James Bednar de l'université d'Edinburgh : "Les résultats de cette étude ont des applications directes pour la classification des images mais aussi des conséquences inattendues sur notre compréhension des mécanismes visuels. En effet, ils montrent qu'en un clin d'œil, nous sommes capables d'extraire une première impression de la scène en exploitant des régularités statistiques simples avant de procéder à une analyse plus complexe de la scène. Plus surprenant encore, nous avons mis en évidence que quand les humains se trompent en classifiant de manière erronée une image comme contenant un animal, alors le modèle que nous avons construit se trompe de la même façon!"

reference


welcome: please sign in