Évaluation de l'exactitude et de la robustesse de la machine sur ImageNet

Cette séance de cours s'inscrit dans l'évaluation de la précision et de la robustesse de la machine et de l'homme sur ImageNet, mettant en évidence la croissance explosive de l'apprentissage de la machine. Il traite des progrès réalisés au cours de la dernière décennie, de l'impact d'un surajustement et des répercussions d'une baisse de la précision. La séance de cours examine également les lacunes des mesures actuelles, l'importance de la précision multi-étiquettes et les défis dans l'évaluation d'ImageNet. Il examine en outre les notions de robustesse dans la classification des images, les implications pour l'évaluation de l'apprentissage automatique et la nécessité d'une évaluation plus large au-delà d'ImageNet. La séance de cours se termine par un débat sur les possibilités substantielles d'amélioration des repères de l'apprentissage automatique et sur l'importance de nouveaux ensembles de données pour la formation et les essais.