Thèse soutenue

Algorithmes et prétraitement des caractéristiques pour la classification transductive d’images à partir de peu de données

FR  |  
EN
Auteur / Autrice : Yuqing Hu
Direction : Vincent Gripon
Type : Thèse de doctorat
Discipline(s) : Signal, Image, Vision
Date : Soutenance le 06/12/2022
Etablissement(s) : Ecole nationale supérieure Mines-Télécom Atlantique Bretagne Pays de la Loire
Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication (Rennes)
Partenaire(s) de recherche : Laboratoire : Equipe Algorithm Architecture Interactions - Département Mathematical and Electrical Engineering - Laboratoire en sciences et techniques de l'information, de la communication et de la connaissance
Entreprise : Orange (Firme)
Jury : Président / Présidente : Sébastien Lefèvre
Examinateurs / Examinatrices : Vincent Gripon, Céline Hudelot, Julyan Arbel, Yannis Avrithis, Stéphane Pateux
Rapporteur / Rapporteuse : Céline Hudelot, Julyan Arbel

Résumé

FR  |  
EN

L’objectif de cette thèse est d’étudier l’un des défis les plus importants liés au développement de méthodes d’apprentissage automatique et profond. Notre recherche est menée dans le cadre où les modèles font des prédictions basées sur quelques exemples labellisés. En particulier, dans le contexte de la classification d’images, l’objectif de cette étude est d’apprendre un modèle capable de prédire correctement les labels de classe sur la base d’échantillons de données limités. Nous discutons d’abord de l’amélioration des performances avec l’évolution des méthodes d’apprentissage profond, et présentons la problématique de peu de données. Dans un deuxième temps, nous introduisons les paramètres standards de cette problématique et présentons les méthodes de classification associées. Nous résumons un pipeline général pour s’y adresser. Ensuite, nous mettons en évidence nos contributions qui adressent chaque étape du pipeline, en proposant des méthodes adaptatives sur les données d’images ciblées dont le nombre est limité par le coût de l’annotation. Enfin, nous tirons des conclusions de notre travail, ainsi que des discussions sur les nouveaux défis et les solutions potentielles liées au domaine.