Chaque année depuis 2011, notre équipe participe à l’organisation d’une compétition internationale de machine learning visant à améliorer nos connaissances dans la reconnaissance automatique du vivant : LifeCLEF. Au fil des ans, des équipes du monde entier confrontent leurs approches pour obtenir les meilleurs prédictions possibles, aussi bien pour l’identification des plantes, des oiseaux ou des poissons. Par exemple, pour le projet PlantCLEF, nous fournissons un jeu d’images de plantes, toutes identifiées correctement, qui permettront aux algorithmes d’apprendre à toutes les différencier. Ensuite, nous donnons un deuxième jeu d’images de plantes, mais cette fois-ci, non identifiées. Le but du challenge est de fournir le plus grand nombre de bonnes identifications pour ces données. Et devinez d’où viennent toutes ces données ? De Pl@ntNet évidemment, donc de vos contributions ! Les résultats pour la campagne d’évaluation 2018 sont tombés et voici les vainqueurs, par catégorie.
3 épreuves : ExperLifeCLEF, GeoLifeCLEF et BirdCLEF
Vous êtes plutôt team humain ou team machine ? Avec ExpertLifeCLEF, nous voulions savoir où se situait l’expertise des machines par rapport aux humains pour l’identification d’espèces de plantes. Un même jeu d’images a été proposé à des experts en botanique et à des équipes informatiques. Il y avait 28 participants au départ, mais seulement 4 équipes ont franchi la ligne d’arrivée à temps et ont proposé 19 techniques différentes d’identification automatisée. Il en ressort une grande confrontation entre les experts humains et les approches automatiques, mais le grand gagnant reste un homme, Philippe Jauzein avec 96% d’identifications correctes. La première équipe informatique arrive en 4ème ex-aequo avec un score de 84% et il s’agit du Department of Cybernetics de la Czech Technical University de Prague. Et pour celles et ceux qui auraient peur d’un soulèvement des machines, sachez que derrière ces ordinateurs, il y a toujours des femmes et des hommes qui travaillent en informatique ou qui structurent ces données par exemple. Rien ne serait possible sans eux.
La deuxième épreuve, GeoLifeCLEF, était inédite cette année. Le principe : déterminer une liste probable d’espèces de plantes à un point donné sur une carte grâce à d’autres données mesurables (altitude, température, humidité, composition du sol, etc…). Sur 22 équipes au départ il y eut 3 finalistes qui développèrent 33 approches différentes. L’équipe gagnante du challenge est Floris’Tic (qui est porteuse du projet Pl@ntNet : on est un peu fier !). Les résultats sont intéressants car, bien que peu élevés (4% pour le meilleur score), ils ne sont pas dûs au hasard. Les années à venir permettront sans aucun doute d’affiner ces méthodes de prédiction.
La dernière épreuve est un grand classique de ce challenge international. Il s’agit de BirdCLEF, une tâche qui vise à reconnaître des espèces d’oiseaux grâce à des enregistrements audio fournis par l’association Xeno-Canto. Sur les 29 équipes qui ont récupéré les données, 6 finalistes ont soumis 23 méthodes différentes. Et les résultats sont très impressionnants ! Le musée d’histoire naturelle de Berlin arrive en tête avec plus de 82% de bonnes identifications pour des enregistrements d’oiseaux isolés, et plus de 74% d’identifications correctes pour des enregistrements mêlant plusieurs chants d’oiseaux.
LifeCLEF se terminera du 10 au 14 septembre en Avignon pour l’événement CLEF2018, où les équipes pourront se rencontrer et présenter leurs travaux en machine learning. D’année en année, les résultats sont de plus en plus impressionnants, et permettent, notamment pour vous, d’avoir entre les mains des applications de plus en plus performantes dans la reconnaissance d’espèces animales et végétales.
Rappelez-vous que tout cela ne serait possible sans les données que vous collectez avec Pl@ntNet et qui font de vous des acteurs de sciences participatives : merci !
Ping Un livre pour vous dire merci (et faire avancer la recherche) - Pl@ntNet