RÉSUMÉ
Les réseaux de neurones convolutifs profonds ont offert de nombreux résultats impressionnants par exemple sur des tâches de classification d'images telles que la reconnaissance d'objets ou la classification de scènes. Cependant, pour qu'un réseau de neurones convolutifs profonds puisse avec succès apprendre à reconnaître des catégories visuelles, il est nécessaire de collecter et d'étiqueter manuellement des milliers d'exemples d'entraînement par catégorie cible et d'appliquer sur ceux-ci des algorithmes d'optimisation (en général itératifs) extrêmement coûteux en termes de ressources de calcul (centaines voire des milliers d'heures de GPU). De plus, dans le cas où une extension du modèle à d'autres catégories serait envisagée, il est nécessaire de collecter suffisamment de nouvelles données d'entraînement pour les nouvelles catégories et de recommencer la procédure d'apprentissage. Ces lourdes exigences ont poussé certains chercheurs à investiguer des pistes de recherche moins gourmandes en termes de données d'entrainement. L'idée étant de s'inspirer de la puissance du système visuel humain qui apprend de nouveaux concepts sans effort à partir de seulement quelques exemples et de les reconnaitre de manière fiable. Reproduire le même mode de fonctionnement dans les systèmes de vision artificielle par apprentissage est un des objectifs des recherches actuelles pour de nombreuses applications notamment celle de la vision du monde réel.
Cette journée a pour objectif de donner un état des lieux des avancées en vision artificielle par apprentissage automatique avec très peu de données labellisées sur les thèmes suivants : Détection, Reconnaissance, Classification, Segmentation.
APPEL À CONTRIBUTION
Un appel à contribution est lancé sur les thèmes listés ci-dessus. Les chercheurs souhaitant présenter leurs contributions sont invités à soumettre aux organisateurs un résumé (1 page) avant le 30 octobre.
ORATEURS INVITÉS
* Dawood AL CHANTI, GIPSA-lab / Grenoble
* Hervé LE BORGNE, CEA LIST, Saclay
* Désiré SIDIBE, IBISC Université Val d'Essonne
* Tuan-Hung VU, VALEO
* Zihao WANG, INRIA, Nice
ORGANISATEURS
* Anissa MOKRAOUI (L2TI, Université Sorbonne Paris Nord),
* Mustapha LEBBAH (LIPN, Université Sorbonne Paris Nord),
* Hanane AZZAG (LIPN, Université Sorbonne Paris Nord), mailto: