Vous êtes ici : Accueil » Réunions » Réunion

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Apprentissage Profond (Deep Learning) -- Bilan TRECVid 2015

Nous vous rappelons que, afin de garantir l'accès de tous les inscrits aux salles de réunion, l'inscription aux réunions est gratuite mais obligatoire.

Inscriptions closes à cette réunion.

Inscriptions

101 personnes membres du GdR ISIS, et 72 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 180 personnes.

Instructions pour une demande de mission par le GdR ISIS

Le GdR ISIS prend en charge les déplacements des organisateurs des réunions et des orateurs. Le GdR prend aussi en charge les déplacements des participants aux réunions membres d'un laboratoire adhérent du GdR dans la limite d'un doctorant et d'un permanent par laboratoire académique et par réunion, ou d'une personne par adhérent du club des partenaires et par réunion.

La plus grande partie du budget du GdR ISIS est consacrée à la prise en charge de ces missions. Pour que le GdR puisse financer le plus grand nombre de réunions, les participants à ces réunions sont vivement incités à choisir les billets les moins chers. Seuls les billets de train ou d'avion en deuxième classe, non échangeables et non remboursables sont pris en charge. Le GdR se réserve le droit de refuser une demande de billet dont le prix excède la moyenne des prix couramment pratiqués pour le trajet de la mission.

Pour le transport et pour l'hébergement, vous êtes priés d'utiliser le portail SIMBAD du CNRS si vous en avez la possibilité. Cela est en particulier obligatoire si vous êtes membre d'une unité CNRS (UPR, UMR, UMI, URA, FRE). Les réservations d'hôtel sont possibles si la réunion dure plus d'une journée ou si le lieu d'habitation le justifie. Dans le cas où le laboratoire n'est pas une unité CNRS, merci d'envoyer votre demande de prise en charge de la mission à l'adresse DR01.SoutienUnites@cnrs.fr en précisant que la mission relève du GdR ISIS. Si vous utilisez votre véhicule personnel pour une distance supérieure à 300 kilomètres (aller+retour), le GdR ISIS ne rembourse pas vos frais de transport.

Les demandes de mission et les réservations sur le site SIMBAD doivent impérativement être effectuées au moins deux semaines avant la date de la mission.

Aucun remboursement de frais de transport ou d'hôtel avancés par l'agent ne peut plus être effectué au retour de la mission.

Annonce

Suite au succès impressionnant des méthodes d'apprentissage profond (deep learning) ces dernières années, en particulier en classification d'images et de données multimédia, nous avions organisé en 2015 un atelier deep couplé avec un bilan d'étape de la participation du consortium IRIM à TRECVid.

Nous proposons cette année une deuxième session pour continuer à explorer les avancées de ces méthodes, selon le même schéma.

La matinée sera dédiée à un bilan/perspective TRECVid 2015 de l'action IRIM (tout nouveau participant potentiel peut y assister) et l'après-midi sera consacrée au deep learning.

Nous aurons pour l'occasion un exposé plénier du chercheur Yann LeCun (Facebook AI Research, NYU, Collège de France).

Nous organiserons à la suite une session de posters. Si vous souhaitez présenter vos travaux, merci d'envoyer à Matthieu Cord un titre et un résumé avant le 25 Mars 2016.

Programme

Matin : bilan TRECVid 2015

LIP6 UPMC : T 25-26 -1er, salle 105 (80 places, accès réservé aux personnes inscrites avant le 1er mars).

9h45 Accueil
10h Présentation des résultats de TRECVid 2015, par Georges Quénot (LIG) et J. Benois-Pineau (LABRI)
11h Pause
11h30 Discussion sur TRECVid 2016

Après-midi : apprentissage profond (deep learning)

Amphithéâtre Charpak, tour 22 de la dalle Jussieu (180 places).

14h15 Présentation de cette 2ème session deep learning, par Matthieu Cord (LIP6)
14h30 L'apprentissage profond non-supervisé : questions ouvertes, par Yann LeCun (Facebook AI Research, NYU, Collège de France)
15h45 Pause (MLIA LIP6)
16h Posters

· Caphee : A data-flow utility for Convolutional Networks implementation on FPGA, K. ABDELOUAHAB, UBP

· Deep Learning for Gender Recognition from Faces and Bodies, G. Antipov, Orange Labs

· Détection de visages sur un système embarqué faible consommation, O. Boisard, M. Paindavoine, LEAD, UB

· P-CNN: Pose-based CNN Features for Action Recognition (ICCV 2015), G. Chéron, I. Laptev and C. Schmid, INRIA

· LR-CNN for fine-grained classification with varying resolution, (ICIP 2015) M. Chevalier et al., LIP6 UPMC, Thales

· WELDON: Weakly Supervised Learning of Deep Convolutional Neural Networks (CVPR 2016), T. Durand, N. Thome, M. Cord, LIP6 UPMC

· Deep learning methods for image Super-Resolution, C. Peyrard, Orange Labs

· Context-aware CNNs for person head detection" (ICCV 2015), T.-H. Vu, A. Osokin and I. Laptev, INRIA

· bQBDC : batch Query By Dropout Committee for Deep Active learning, M. Ducoffe, I3S, UNS

· Deep CNN with multiple feature layers for saliency prediction in video, S Chaabouni, J. Benois-Pineau, LABRI

· Learning the structure of deep architectures using L1 regularization, P. Kulkarni, J. Zepeda, Technicolor

· Cost-Sensitive Adaptive Feature Acquisition with Representation Learning, G. Contardo, L. Denoyer, T. Artières, LIP6 UPMC, LIF UAM

17h Fin

Résumés des contributions

Date : 2016-04-14

Lieu : LIP6 UPMC (tour 25-26 -1er étage, salle 105)


Thèmes scientifiques :
B - Image et Vision

Inscriptions closes à cette réunion.

Accéder au compte-rendu de cette réunion.

(c) GdR 720 ISIS - CNRS - 2011-2018.