Recherche automatique d'architecture neuronaleLa recherche automatique d'architecture neuronale (Neural Architecture Search, NAS) est un ensemble de techniques visant à découvrir automatiquement de nouveaux modèles de réseaux de neurones artificiels. Les principales méthodes employées dans la littérature sont basées soit sur de l'apprentissage par renforcement, sur de la descente de gradient ou bien sur des algorithmes génétiques. Plusieurs méthodes NAS parviennent à obtenir des architectures qui atteignent ou surpassent les performances des modèles créés à la main.
Apprentissage par renforcement profondL'apprentissage par renforcement profond (en anglais : deep reinforcement learning ou deep RL) est un sous-domaine de l'apprentissage automatique (en anglais : machine learning) qui combine l'apprentissage par renforcement et l'apprentissage profond (en anglais : deep learning). L'apprentissage par renforcement considère le problème d'un agent informatique (par exemple, un robot, un agent conversationnel, un personnage dans un jeu vidéo, etc.) qui apprend à prendre des décisions par essais et erreurs.
Mer RougeLa mer Rouge (arabe : البحر الأحمر al-Bahr al-Ahmar, copte : ⲫⲓⲟⲙ ⲛ̀ϩⲁϩ Phiom enhah ou ⲫⲓⲟⲙ ⲛ̀ϣⲁⲣⲓ Phiom nšari, hébreu : ים סוף Yam Suf, araméen : ܝܡܐ ܣܘܡܩܐ Yammāʾ Summāqā, tigrinya : ቀይሕ ባሕሪ Qeyih Bahri, somali : Badda Cas 𐒁𐒖𐒆𐒆𐒖 𐒋𐒖𐒈.) est une mer intercontinentale du bassin Indo-Pacifique entre l'Afrique du Nord et le Moyen-Orient d'une superficie d'environ . C'est une mer d'une grande importance stratégique et commerciale qui permet aux navigateurs en provenance de la mer Méditerranée et à destination de l'océan Indien (ou vice-versa) de ne pas être contraints de contourner l'Afrique.
Deep image priorDeep image prior is a type of convolutional neural network used to enhance a given image with no prior training data other than the image itself. A neural network is randomly initialized and used as prior to solve inverse problems such as noise reduction, super-resolution, and inpainting. Image statistics are captured by the structure of a convolutional image generator rather than by any previously learned capabilities.
Underwater environmentAn underwater environment is a environment of, and immersed in, liquid water in a natural or artificial feature (called a body of water), such as an ocean, sea, lake, pond, reservoir, river, canal, or aquifer. Some characteristics of the underwater environment are universal, but many depend on the local situation. Liquid water has been present on Earth for most of the history of the planet. The underwater environment is thought to be the place of the origin of life on Earth, and it remains the ecological region most critical to the support of life and the natural habitat of the majority of living organisms.
Vidéothumb|Réalisateur vidéo Le terme vidéo désigne à la fois l'ensemble des techniques permettant la constitution d'un signal électrique représentant des s animées et la restitution de celles-ci ainsi que ce signal lui-même. Le signal vidéo se caractérise par différents paramètres normalisés : cadence image / trame, résolution, standard couleur éventuellement associé, composition analogique ou numérique, format d'image, données associées... Le mot « vidéo » provient du latin « video » signifiant « je vois », apocope de vidéophonie ou de vidéogramme.
Détection d'objetthumb|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.
Réchauffement climatiquevignette|redresse=1.35|Températures moyennes de l'air en surface de 2011 à 2020 par rapport à une moyenne de référence de 1951 à 1980. vignette|redresse=1.35|Température observée par la NASA par rapport à la moyenne de 1850-1900 comme référence préindustrielle. Le principal facteur d'augmentation des températures mondiales à l'ère industrielle est l'activité humaine, les forces naturelles ajoutant de la variabilité. vignette|redresse=1.35|L'énergie circule entre l'espace, l'atmosphère et la surface de la Terre.
Vision par ordinateurLa 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.
Algorithme d'apprentissage incrémentalEn informatique, un algorithme d'apprentissage incrémental ou incrémentiel est un algorithme d'apprentissage qui a la particularité d'être online, c'est-à-dire qui apprend à partir de données reçues au fur et à mesure du temps. À chaque incrément il reçoit des données d'entrées et un résultat, l'algorithme calcule alors une amélioration du calcul fait pour prédire le résultat à partir des données d'entrées.
Automated machine learningAutomated machine learning (AutoML) is the process of automating the tasks of applying machine learning to real-world problems. AutoML potentially includes every stage from beginning with a raw dataset to building a machine learning model ready for deployment. AutoML was proposed as an artificial intelligence-based solution to the growing challenge of applying machine learning. The high degree of automation in AutoML aims to allow non-experts to make use of machine learning models and techniques without requiring them to become experts in machine learning.
Visual temporal attentionVisual temporal attention is a special case of visual attention that involves directing attention to specific instant of time. Similar to its spatial counterpart visual spatial attention, these attention modules have been widely implemented in video analytics in computer vision to provide enhanced performance and human interpretable explanation of deep learning models.
