Séance de cours

Comprendre les classificateurs ImageNet

Description

Cette séance de cours explore la généralisation des classificateurs ImageNet au cours de la dernière décennie, en analysant les progrès réalisés et l'impact des documents clés dans l'apprentissage automatique et la vision informatique. Il s'inscrit dans le processus de création d'ImageNet, les défis rencontrés dans la réalisation de modèles d'apprentissage automatique fiables, et les implications pour l'évaluation des modèles d'apprentissage automatique au-delà du cadre i.i.d. La séance de cours traite également de la robustesse des modèles d'apprentissage automatique pour les attaques contradictoires et les déplacements de distribution, soulignant l'importance de mesurer la robustesse et de promouvoir des pratiques d'ingénierie fiables.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Séances de cours associées (40)
Les classificateurs ImageNet se généralisent-ils?
Examine la généralisation des classificateurs ImageNet, les applications critiques pour la sécurité, le surajustement et la fiabilité des modèles d'apprentissage automatique.
Évaluation de l'exactitude et de la robustesse de la machine sur ImageNet
Explore l'évaluation de la précision et de la robustesse de la machine et de l'homme sur ImageNet, en soulignant les progrès, les défis et la nécessité d'améliorer.
Analyse des documents : Modélisation des sujets
Explore l'analyse documentaire, la modélisation thématique et les modèles génériques pour la production de données dans l'apprentissage automatique.
Modèles Vision-Langue-Action : Formation et applications
Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.
Fondements de l'apprentissage automatique
Introduit des concepts fondamentaux d'apprentissage automatique, couvrant la régression, la classification, la réduction de dimensionnalité et des modèles générateurs profonds.
Afficher plus