Vous êtes ici : Accueil » Réunions » Réunion

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Explicabilité et Interprétabilité des méthodes d'Intelligence Artificielle pour la classification et compréhension des scènes visuelles

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.

S'inscrire à la réunion.

Inscriptions

79 personnes membres du GdR ISIS, et 64 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 300 personnes.

Réunion d'animation en visio-conférence

La réunion aura lieu en visioconférence. Cependant pour des raisons techniques liées au nombre de connexions simultanées, l'inscription aux réunions est gratuite, mais obligatoire.

Les identifiants de connexion sont communiquées par mail aux inscrits la veille ou le matin de la réunion.

Annonce

L'apprentissage profond, un des outils-phares de l'Intelligence Artificielle, a remporté un grand succès dans de nombreux domaines en traitement et analyse des images, des vidéos, de l'information multimodale. Cependant, l'aspect boîte noire des réseaux de neurones profonds est devenue l'un des principaux obstacles à leur large acceptation dans des applications critiques telles que le diagnostic médical et la thérapie, voire la conduite autonome. Au lieu de développer et d'utiliser les réseaux de neurones profonds comme des boîtes noires et d'adapter des architectures connues à une variété de problèmes, le but de l'apprentissage profond explicable est de proposer des méthodes pour "comprendre" et "expliquer" comment ces systèmes produisent leurs décisions. En raison de l'énorme potentiel de l'apprentissage profond, l'interprétation des réseaux de neurones devient une direction de recherche suscitant un intérêt croissant. L'objectif de la journée GDR-ISIS est de rassembler la communauté des chercheurs qui travaillent sur la question de l'amélioration de l'explicabilité des algorithmes et systèmes d'IA dans le domaine image-signal.

Les principaux sujets que nous proposons de traiter sont les suivants mais peuvent être étendus :

Cette journée est organisée conjointement par le thème B Image et vision et le thème T. Le programme comporte 2 conférences invitées :

  1. « Visualisation pour l'explication des réseaux profonds », Romain Bourqui, Romain Giot : LaBRI, Université de Bordeaux
  2. « Explanability in Multimedia Information Indexing and Retrieval », Georges Quenot, Laboratoire d'informatique de Grenoble

et 3-4 présentations courtes.

Organisateurs :

Programme

Résumés des contributions

Romain Bourqui, Romain Giot : LaBRI, Université de Bordeaux

En raison de leur haute performance, les réseaux de neurones profonds sont devenus les éléments clés de tout système d'apprentissage moderne. Cependant, cette performance est due à une augmentation de la complexité des modèles entre autre par la délégation de l'extraction des caractéristiques. Cette absence de maîtrise sur les caractéristiques extraites rend les modèles difficiles à comprendre et à croire.
Pour favoriser leur adoption, un effort important a été fourni ces dernière années pour permettre l'explication et/ou l'interprétation de ces réseaux profonds ainsi que leurs prédictions.
Alors que la communauté d'apprentissage automatique a principalement proposé des pour identifier les caractéristiques support d'une prédiction (sample level), la communauté visualisation s'est principalement intéressé à la compréhension du fonctionnement global d'un réseau ou aux particularités d'un couple jeu de données/réseau (dataset level).
Après une courte introduction sur les problématiques, nous présenterons l'intérêt de la visualisation d'information dans ce contexte ainsi qu'un panorama des techniques/outils existants.

Date : du 2021-04-07 au 2021-04-08

Lieu : Visioconférence (avec ZOOM) à 14h


Thèmes scientifiques :
B - Image et Vision
T - Apprentissage pour l'analyse du signal et des images

(c) GdR 720 ISIS - CNRS - 2011-2020.