Apprentissage autosupervisé pour les véhicules autonomes

Cette séance de cours explore le concept de l'apprentissage autosupervisé pour les véhicules autonomes, en se concentrant sur le calcul des étiquettes à partir des données elles-mêmes plutôt que de l'annotation humaine. Il traite des limites de l'apprentissage supervisé en profondeur, du succès de l'apprentissage auto-supervisé et de l'application de techniques comme Word2Vec. La séance de cours se décline dans diverses tâches auto-supervisées telles que les auto-encodeurs dénoyants, la peinture en-tête et la colorisation, soulignant leur importance dans l'apprentissage de représentations puissantes à partir de données non marquées. Il traite également de sujets tels que l'apprentissage social contrastant et la discrimination par exemple, montrant leur rôle dans les tâches de vision. La séance de cours conclut en discutant des défis, de l'adaptation au temps d'essai et du potentiel de l'apprentissage autosupervisé pour aborder le changement de distribution dans les applications autonomes des véhicules.