Centre National d'Etudes Spatiales
 
Reconnaissance de formes dans des images satellitaires avec SpikeNET - réseau de neurones impulsionnels et asynchrones
 
Simon Thorpe, Jacques Gautrais, Arnaud Delorme & Rufin Van Rullen
 

Centre de Recherche Cerveau et Cognition (UMR 5549) Faculté de Médecine de Rangueil, 133 route de Narbonne, 31062 Toulouse, France.

thorpe@cerco.ups-tlse, gautrais@cerco.ups-tlse, arno@cerco.ups-tlse, rufin@cerco.ups-tlse

 
    Depuis plusieurs années, l'équipe de Simon Thorpe cherche à comprendre les bases cérébrales de ce que l'on peut appeler la Catégorisation Visuelle Ultra-Rapide chez l'homme et chez le singe. En effet, nous savons que le système visuel de l'homme peut analyser une scène complexe qui n'a jamais été vu auparavant et décider si l'image contient une cible (par exemple, un animal) après seulement 150 ms de traitement. Même les plus puissant logiciels d'analyse d'images ne peuvent rivaliser avec ce niveau de performance.. Cette différence est encore plus frappante lorsque l'on prend en compte la lenteur relative des composants neuronals par rapport aux composants électroniques des ordinateurs modernes capable de changer d'état plus d'un million de fois plus rapidement.
    D'où vient l'extraordinaire niveau de performance atteint par le système visuel de l'homme et des primates? Si le parallélisme massif est certes un facteur important, pour nous d'autres caractéristiques du système visuel jouent un rôle primordial. Parmi celles-ci,l'activité impulsionnelle des neurones et l'asynchronisme de ces impulsions semblent jouer un rôle de premier plan. En effet, on peut considérer les cellules ganglionnaires de la rétine comme des convertisseurs analogue-delai. Selon cette hypothèse, les premiers neurones dans la rétine à décharger en réponse à la présentation d'une image correspondront à des positions dans la rétine où le contraste local est le plus important. nous avons de plus proposé que l'ordre d'activation dans un tel ensemble de neurones puisse être utilisé comme code.
    Pour tester ces idées nous avons développé un simulateur de réseaux de neurones impulsionnels baptisé "SpikeNET" qui permet la simulation de réseaux de plusieurs millions de neurones et plusieurs centaines de millions de connections. Les premiers résultats ont été extrêmement encourageants car nous avons réussi à concevoir des architectures capables d'effectuer des tâches visuelles complexes comme la localisation de visages dans des scènes naturelles.
    De plus, la nature même du logiciel SpikeNET est particulièrement adaptée à une implémentation parallèle. Nous travaillons actuellement à la mise en oeuvre d'une carte au format PCI équipé de 6 processeurs de type StrongARM pour implémenter des versions parallèles de SpikeNET. Un ordinateur équipé de plusieurs de ces cartes pourra simuler des centaines de millions de neurones et analyser des scènes complexes, comme des images satellitaires, en des temps records. Il sera par exemple possible de detecter et de compter des objects d'un type définit dans de telles images