Séance de cours

Les vérités du sol dans la formation de l'algorithme

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

HUM-485: Data in context: Critical Data Studies I

Le cours "Critical Data Studies" s'inscrit dans la nouvelle offre d'enseignements TILT qui propose de croiser des savoirs provenant des SHS et des sciences de l'ingénieur afin d'aborder des thématiques complexes qui nécessitent une méthodologie interdiscip ...

Description

Cette séance de cours se penche sur l'importance des vérités de base dans la formation de nouveaux algorithmes, en mettant l'accent sur les domaines de détection du visage et de détection de la salience. L'instructeur discute des défis et de l'évolution récente de l'apprentissage statistique, en mettant l'accent sur le rôle essentiel des ensembles de données de référence. Au moyen d'exercices et de discussions, les étudiants explorent la trajectoire des vérités au sol appuyant des articles universitaires, en analysant leur accessibilité, leur construction et leurs implications. La session traite également de l'impact des biais dans le développement d'algorithmes et de la nécessité de divers ensembles de données. Des exemples pratiques et des méthodologies sont présentés pour illustrer le processus d'utilisation des vérités au sol dans la recherche algorithmique.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

Concepts associés (5)

Détection d'objet

thumb|Détection de visage avec la méthode de Viola et Jones. En vision par ordinateur on désigne par détection d'objet (ou classification d'objet) une méthode permettant de détecter la présence d'une instance (reconnaissance d'objet) ou d'une classe d'objets dans une . Une attention particulière est portée à la détection de visage et la détection de personne. Ces méthodes font souvent appel à l'apprentissage supervisé et ont des applications dans de multiples domaines, tels la ou la vidéo surveillance.

Object co-segmentation

In computer vision, object co-segmentation is a special case of , which is defined as jointly segmenting semantically similar objects in multiple images or video frames. It is often challenging to extract segmentation masks of a target/object from a noisy collection of images or video frames, which involves object discovery coupled with . A noisy collection implies that the object/target is present sporadically in a set of images or the object/target disappears intermittently throughout the video of interest.

Vision par ordinateur

La vision par ordinateur est un domaine scientifique et une branche de l’intelligence artificielle qui traite de la façon dont les ordinateurs peuvent acquérir une compréhension de haut niveau à partir d's ou de vidéos numériques. Du point de vue de l'ingénierie, il cherche à comprendre et à automatiser les tâches que le système visuel humain peut effectuer. Les tâches de vision par ordinateur comprennent des procédés pour acquérir, traiter, et « comprendre » des images numériques, et extraire des données afin de produire des informations numériques ou symboliques, par ex.

Feature (computer vision)

In computer vision and , a feature is a piece of information about the content of an image; typically about whether a certain region of the image has certain properties. Features may be specific structures in the image such as points, edges or objects. Features may also be the result of a general neighborhood operation or feature detection applied to the image. Other examples of features are related to motion in image sequences, or to shapes defined in terms of curves or boundaries between different image regions.

Microsoft PowerPoint

Microsoft PowerPoint est un logiciel de présentation édité par Microsoft. Il fait partie de la suite Microsoft Office. Microsoft PowerPoint fonctionne sous Windows et Mac OS. La version la plus récente est PowerPoint 2021. Elle fait partie de la suite Office 2021 et du service Microsoft 365. Depuis , l'application PowerPoint est disponible sur iPad, iPhone, Windows Phone et Android. Cela entre dans la logique « Office Mobile » de Microsoft de rendre ses logiciels disponibles sur le plus grand nombre de supports (ordinateurs, tablettes, smartphones).

Concepts associés (5)

Détection d'objet

Object co-segmentation

Vision par ordinateur

Feature (computer vision)

Microsoft PowerPoint