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.
Réseau neuronal convolutifEn apprentissage automatique, un réseau de neurones convolutifs ou réseau de neurones à convolution (en anglais CNN ou ConvNet pour convolutional neural networks) est un type de réseau de neurones artificiels acycliques (feed-forward), dans lequel le motif de connexion entre les neurones est inspiré par le cortex visuel des animaux. Les neurones de cette région du cerveau sont arrangés de sorte qu'ils correspondent à des régions qui se chevauchent lors du pavage du champ visuel.
Apprentissage profondL'apprentissage profond ou apprentissage en profondeur (en anglais : deep learning, deep structured learning, hierarchical learning) est un sous-domaine de l’intelligence artificielle qui utilise des réseaux neuronaux pour résoudre des tâches complexes grâce à des architectures articulées de différentes transformations non linéaires. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse du signal sonore ou visuel et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage.
Object co-segmentationIn 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.
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.
Détection de visagevignette|Détection de visage par la méthode de Viola et Jones. La détection de visage est un domaine de la vision par ordinateur consistant à détecter un visage humain dans une . C'est un cas spécifique de détection d'objet, où l'on cherche à détecter la présence et la localisation précise d'un ou plusieurs visages dans une image. C'est l'un des domaines de la vision par ordinateur parmi les plus étudiés, avec de très nombreuses publications, brevets, et de conférences spécialisées.
Caffe (software)Caffe (Convolutional Architecture for Fast Feature Embedding) is a deep learning framework, originally developed at University of California, Berkeley. It is open source, under a BSD license. It is written in C++, with a Python interface. Yangqing Jia created the Caffe project during his PhD at UC Berkeley. It is currently hosted on GitHub. Caffe supports many different types of deep learning architectures geared towards and . It supports CNN, RCNN, LSTM and fully-connected neural network designs.
Segmentation d'imageLa segmentation d'image est une opération de s consistant à détecter et rassembler les pixels suivant des critères, notamment d'intensité ou spatiaux, l'image apparaissant ainsi formée de régions uniformes. La segmentation peut par exemple montrer les objets en les distinguant du fond avec netteté. Dans les cas où les critères divisent les pixels en deux ensembles, le traitement est une binarisation. Des algorithmes sont écrits comme substitut aux connaissances de haut niveau que l'homme mobilise dans son identification des objets et structures.
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.
Video content analysisVideo content analysis or video content analytics (VCA), also known as video analysis or video analytics (VA), is the capability of automatically analyzing video to detect and determine temporal and spatial events. This technical capability is used in a wide range of domains including entertainment, video retrieval and video browsing, health-care, retail, automotive, transport, home automation, flame and smoke detection, safety, and security. The algorithms can be implemented as software on general-purpose machines, or as hardware in specialized video processing units.
Q-learningvignette|400x400px|Dans le Q-learning, l'agent exécute une action a en fonction de l'état s et d'une fonction Q. Il perçoit alors le nouvel état s' et une récompense r de l'environnement. Il met alors à jour la fonction Q. Le nouvel état s' devient alors l'état s, et l'apprentissage continue. En intelligence artificielle, plus précisément en apprentissage automatique, le Q-learning est un algorithme d'apprentissage par renforcement. Il ne nécessite aucun modèle initial de l'environnement.
Boucle coronalethumb|Boucles coronales. thumb|Diagramme montrant l'évolution du flux magnétique lors d'un cycle solaire. Les boucles coronales forment la structure fondamentale de la couronne inférieure et de la région de transition du Soleil. Ces boucles fortement structurées sont une conséquence directe de la torsion du champ magnétique solaire par la dynamo solaire. Le nombre de boucles coronales est lié directement au cycle solaire, on constate souvent que les boucles coronales sont associées à des taches solaires par leurs extrémités.
Solar phenomenaSolar phenomena are natural phenomena which occur within the atmosphere of the Sun. These phenomena take many forms, including solar wind, radio wave flux, solar flares, coronal mass ejections, coronal heating and sunspots. These phenomena are believed to be generated by a helical dynamo, located near the center of the Sun's mass, which generates strong magnetic fields, as well as a chaotic dynamo, located near the surface, which generates smaller magnetic field fluctuations.
Stellar coronaA corona ( coronas or coronae) is the outermost layer of a star's atmosphere. It consists of plasma. The Sun's corona lies above the chromosphere and extends millions of kilometres into outer space. It is most easily seen during a total solar eclipse, but it is also observable with a coronagraph. Spectroscopic measurements indicate strong ionization in the corona and a plasma temperature in excess of 1 000 000 kelvins, much hotter than the surface of the Sun, known as the photosphere. Corona is, in turn, derived .
Skylabthumb|Insigne du programme Skylab. Skylab (abréviation de Sky Laboratory, « Laboratoire du ciel » en français) est la première station spatiale lancée par l'agence spatiale américaine, la NASA. Elle est développée dans le cadre du Programme des applications Apollo mis en place en 1965 pour donner une suite au programme Apollo. Le projet est lancé dans un contexte de réduction budgétaire des dépenses spatiales américaines et l'architecture retenue repose essentiellement sur la réutilisation de composants existants.
Astronomie en rayons Xvignette|redresse=2|Les rayons X couvrent le domaine allant d'environ , auquel l'atmosphère est opaque. L’astronomie en (souvent abrégée en ) est la branche de l'astronomie qui consiste à étudier l'émission des objets célestes en . Puisque le est absorbé par l'atmosphère de la Terre, les instruments doivent être envoyés à haute altitude à l'aide de ballons et désormais de fusées. L' fait donc aujourd'hui partie de la recherche spatiale, les détecteurs étant placés à bord de satellites.
