Skip to Main content Skip to Navigation
Theses

Convolutional neural networks : towards less supervision for visual recognition

Maxime Oquab 1, 2
Résumé : Les réseaux de neurones à convolution sont des algorithmes d’apprentissage flexibles qui tirent efficacement parti des importantes masses de données qui leur sont fournies pour l’entraînement. Malgré leur utilisation dans des applications industrielles dès les années 90, ces algorithmes n’ont pas été utilisés pour la reconnaissance d’image à cause de leurs faibles performances avec les images naturelles. C’est finalement grâce a l’apparition d’importantes quantités de données et de puissance de calcul que ces algorithmes ont pu révéler leur réel potentiel lors de la compétition ImageNet, menant à un changement de paradigme en reconnaissance d’image. La première contribution de cette thèse est une méthode de transfert d’apprentissage dans les réseaux à convolution pour la classification d’image. À l’aide d’une procédure de pré-entraînement, nous montrons que les représentations internes d’un réseau à convolution sont assez générales pour être utilisées sur d’autres tâches, et meilleures lorsque le pré-entraînement est réalisé avec plus de données. La deuxième contribution de cette thèse est un système faiblement supervisé pour la classification d’images, pouvant prédire la localisation des objets dans des scènes complexes, en utilisant, lors de l’entraînement, seulement l’indication de la présence ou l’absence des objets dans les images. La troisième contribution de cette thèse est une recherche de pistes de progression en apprentissage non-supervisé. Nous étudions l’algorithme récent des réseaux génératifs adversariaux et proposons l’utilisation d’un test statistique pour l’évaluation de ces modèles. Nous étudions ensuite les liens avec le problème de la causalité, et proposons un test statistique pour la découverte causale. Finalement, grâce a un lien établi récemment avec les problèmes de transport optimal, nous étudions ce que ces réseaux apprennent des données dans le cas non-supervisé.
Complete list of metadatas

Cited literature [242 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-01803967
Contributor : Abes Star :  Contact
Submitted on : Wednesday, February 26, 2020 - 9:04:28 AM
Last modification on : Wednesday, February 26, 2020 - 5:02:32 PM
Document(s) archivé(s) le : Wednesday, May 27, 2020 - 1:18:59 PM

File

Oquab-2018-These.pdf
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-01803967, version 2

Collections

Citation

Maxime Oquab. Convolutional neural networks : towards less supervision for visual recognition. Artificial Intelligence [cs.AI]. PSL Research University, 2018. English. ⟨NNT : 2018PSLEE061⟩. ⟨tel-01803967v2⟩

Share

Metrics

Record views

129

Files downloads

129