Théorie et algorithmes pour l'adaptation de domaine en apprentissage profond : application à la vision par ordinateur
Auteur / Autrice : | Rodrigue Siry |
Direction : | Frédéric Jurie |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique |
Date : | Soutenance le 12/12/2022 |
Etablissement(s) : | Normandie |
Ecole(s) doctorale(s) : | École doctorale mathématiques, information et ingénierie des systèmes (Caen) |
Partenaire(s) de recherche : | Laboratoire : Groupe de recherche en informatique, image, automatique et instrumentation de Caen (1995-....) |
établissement co-accrédité : Université de Caen Normandie (1971-....) | |
Jury : | Président / Présidente : Samia Ainouz |
Examinateurs / Examinatrices : Amaury Habrard, Céline Hudelot, Loïc Simon, Farid Oudyi | |
Rapporteurs / Rapporteuses : Amaury Habrard, Céline Hudelot |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
Cette thèse porte sur l’adaptation de domaine : un sous-problème de l’apprentissage automatiqueoù les données d’évaluation diffèrent qualitativement des données d’entraînement. Nous nousintéressons plus spécifiquement à son application aux problèmes de classification d’image avec desmodèles profonds. Nous commencerons d’abord par proposer une série de contributions à la théoriede l’adaptation de domaine, nous mènerons ensuite une analyse critique montrant ses insuffisances,ainsi que celles des algorithmes pratiques existants. Nous montrerons ensuite que la notion de biaisinductif joue un rôle central dans les problèmes de transfert. Enfin, en prenant en compte cettenotion, nous explorerons diverses alternatives intégrant des éléments des littératures voisines duméta-apprentissage, du pré-entraînement et de l’apprentissage de représentations désentrelacées.