Apprentissage faiblement supervisé pour reconnaissance d'image

par Xi Shen

Projet de thèse en Signal, Image, Automatique

Sous la direction de Renaud Marlet.

Thèses en préparation à Paris Est , dans le cadre de École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2015-....) , en partenariat avec Laboratoire d'informatique de l'Institut Gaspard Monge (laboratoire) et de A3IS - Algorithme, Architecture, Analyse et Synthèse d'Image (equipe de recherche) depuis le 01-10-2017 .


  • Résumé

    La thèse poserait sur classification dans des bases de données hétérogènes, des difficultés sont présentées comme : on disposerait très peu de données annotées, les annotations sont bruitées, les données (images) sont très hétérogene (échelle varié, condition de lumière différente, image bruitée, annotation bruitée etc.). Ces problèmatiques sont également présentées dans toutes les applications en utilisant le réseau de neurones. On aimerait de etudier ces problèmes et proposer des solutions générales.

  • Titre traduit

    Weakly supervised learning for image recognition


  • Résumé

    The thesis will be focused on classification in databases heterogeneous, the difficulties are presented as: there would be very little annotated data, the annotations are noisy, the data (images) are very heterogeneous (varied scale, different light condition, noisy data, noisy label and so on). These problems are also presented in all applications using the neural network. We would like to study these problems and propose general solutions.