Adaptation de réseaux de neurones profonds à des environnements changeants

Unsupervised Domain Adaptation for Person Re-Identification

• Auteur / Autrice : Hamza Rami
• Direction : Marco Cagnazzo
• Type : Projet de thèse
• Discipline(s) : Informatique, données, IA
• Date : Inscription en doctorat le 15/05/2021
• Etablissement(s) : Institut polytechnique de Paris
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Traitement et Communication de l'Information
• Partenaire(s) de recherche : Equipe de recherche : MM : MultiMédia

Mots clés

Mots clés libres

VIsion par Ordinateur

Apprentissage profond

Adaptation de domaine

Computer Vision

Deep Learning

Continual Learning

Domain Adaptation

Few-shot Learning

Résumé

L'objectif principal de cette thèse est de proposer un nouveau cadre en ligne stimulant pour la ré-identification des personnes et d'essayer de le résoudre en utilisant des techniques d'adaptation de domaine non supervisé et d'apprentissage continue.

The main objective of this thesis is to propose a new stimulating online framework for people re-identification and to try to solve it using techniques of Unsupervised Domain Adaptation and Lifelong Learning. It will require a benchmark on various public datasets in order to compare SOTAs and show their limitations when working in an intra/inter domain-incremental scenario.