Les classificateurs ImageNet se généralisent-ils?

Cette séance de cours explore la généralisation des classificateurs ImageNet, analyse les progrès réalisés au cours de la dernière décennie, les applications critiques pour la sécurité de l'apprentissage automatique et les implications pour l'évaluation des modèles d'apprentissage automatique. Il s'inscrit dans le processus de création d'ImageNet, les trois formes de surajustement, et la fiabilité des modèles d'apprentissage automatique actuels. La séance de cours traite également de l'absence d'ajustement excessif dans les ensembles de données CIFAR-10 et ImageNet, du spectre de robustesse et des travaux futurs nécessaires pour améliorer la robustesse dans l'apprentissage automatique. Diverses expériences et évaluations sont présentées, mettant en lumière les défis et les opportunités dans le domaine de l'apprentissage automatique.