Vous êtes ici : Réunions » Réunion

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Explicabilité et Interprétabilité des méthodes d'Intelligence Artificielle pour la classification et compréhension des scènes visuelles

Nous vous rappelons que, afin de garantir l'accès de tous les inscrits aux salles de réunion, l'inscription aux réunions est gratuite mais obligatoire.

Inscriptions closes à cette réunion.

Inscriptions

111 personnes membres du GdR ISIS, et 120 personnes non membres du GdR, sont inscrits à cette réunion.
Capacité de la salle : 300 personnes.

Annonce

L'apprentissage profond, un des outils-phares de l'Intelligence Artificielle, a remporté un grand succès dans de nombreux domaines en traitement et analyse des images, des vidéos, de l'information multimodale. Cependant, l'aspect boîte noire des réseaux de neurones profonds est devenue l'un des principaux obstacles à leur large acceptation dans des applications critiques telles que le diagnostic médical et la thérapie, voire la conduite autonome. Au lieu de développer et d'utiliser les réseaux de neurones profonds comme des boîtes noires et d'adapter des architectures connues à une variété de problèmes, le but de l'apprentissage profond explicable est de proposer des méthodes pour "comprendre" et "expliquer" comment ces systèmes produisent leurs décisions. En raison de l'énorme potentiel de l'apprentissage profond, l'interprétation des réseaux de neurones devient une direction de recherche suscitant un intérêt croissant. L'objectif de la journée GDR-ISIS est de rassembler la communauté des chercheurs qui travaillent sur la question de l'amélioration de l'explicabilité des algorithmes et systèmes d'IA dans le domaine image-signal.

Les principaux sujets que nous proposons de traiter sont les suivants mais peuvent être étendus :

Cette journée est organisée conjointement par le thème B Image et vision et le thème T. Le programme comporte 2 conférences invitées :

  1. « Visualisation pour l'explication des réseaux profonds », Romain Bourqui, Romain Giot : LaBRI, Université de Bordeaux
  2. « Explanability in Multimedia Information Indexing and Retrieval », Georges Quenot, Laboratoire d'informatique de Grenoble

et 3-4 présentations courtes.

Organisateurs :

Programme

Programme : le 7/04 à 14h sur ZOOM

14h-15h Visualisation pour l'explication des réseaux profonds

Romain Bourqui, Romain Giot, LaBRI, Université de Bordeaux

15h - 15h20 Méthodes de White Boxes et FEM pour l'explication de la classification des images par des réseaux à convolution

M. P. Ayar, J. Benois-Pineau, A. Zemmari, LaBRI, Université de Bordeaux

15h20 -15h40 Classification et localisation des tumeurs en imagerie médicale via la carte d'activation de classe

A Amyar, R Modzelewski, S Ruan, LITIS-Quantif, Université de Rouen Normandie


15h40 - 16h40 Explanability in Multimedia Information Indexing and Retrieval

Georges Quenot, Laboratoire d'informatique de Grenoble

16h40 -17h00 Driving behavior explanation with multi-level fusion

Hédi Ben-Younes, Éloi Zablocki, Patrick Pérez, Matthieu Cord, LIP6, Sorbonne Université

17h00 - 17h20 Attention spectrale et explicabilité pour la classification de séries temporelles satellitaires par réseaux de neurones profonds

Hermann Courteille, Alexandre Benoit, Meger Nicolas, Atto Abdourrahmane, LISTIC, Université Savoie Mont Blanc

Ienco Dino, INRAE, UMR TETIS

17h20 -17h40 Roses Are Red, Violets Are Blue... but Should VQA Expect Them To?
Corentin Kervadec, Théo Jaunet, Grigory Antipov, Moez Baccouche, Romain Vuillemot, Christian Wolf, Orange, Cesson-Sévigné, LIRIS, INSA - Ecole Centrale, Lyon

Résumés des contributions

Date : 2021-04-07

Lieu : Visioconférence (avec ZOOM) à 14h


Thèmes scientifiques :
B - Image et Vision
T - Apprentissage pour l'analyse du signal et des images

Inscriptions closes à cette réunion.

Accéder au compte-rendu de cette réunion.

(c) GdR 720 ISIS - CNRS - 2011-2022.