Prévision d'une gaze plus rapide : réseaux denses et taille de Fisher

Cette séance de cours traite du développement d'architectures plus efficaces pour la prédiction de la salience en tirant parti de représentations profondes pré-formées pour la reconnaissance d'objets. L'instructeur présente une méthode d'élagage gourmande appelée taille Fisher, combinée à la distillation des connaissances, pour obtenir une prédiction plus rapide du regard à image unique. La séance de cours souligne l'importance d'accélérer la prévision des regards pour les applications du monde réel et les modèles de salience vidéo. En outre, la séance de cours explore les défis et les développements récents en matière d'apprentissage statistique, de partialité, de vérité fondamentale et d'éthique dans les études de données critiques.