Direction de recherche : Matthieu CORD

Co-encadrement : THOME Nicolas

Amélioration des représentations latentes des ConvNets pour l'interprétation de données visuelles

Dans cette thèse, nous nous intéressons à l'étude des réseaux convolutifs profonds, et en particulier à leur amélioration "au delà d'ImageNet". Alors que les années 2012-2015 ont proposé des modèles de plus en plus profonds et complexes, nous proposons d'étudier plus finement la façon dont ces réseaux modélisent l'information visuelle et à diverses façon de contrôler ces représentations pour améliorer leur qualités pour diverses tâches. Dans un premier temps, nous proposons une nouvelle méthode de régularisation basée théorie de l'information visant à augmenter l'invariance intra-classe et donc le pouvoir discriminatif de ces modèles. Nous proposons ensuite une structuration de l'information en deux espaces complémentaires pour permettre l'apprentissage conjoint de la classification et la reconstruction dans un contexte semi-supervisé. Enfin, nous proposons de séparer et modéliser diverses informations sémantiques en deux espaces pour produire un disentangling efficace de facteurs de variation sémantiques en particulier pour l'édition d'images et l'augmentation de données.

Publications 2010-2021

• 2021
  • A. Douillard, E. Valle, Ch. Ollion, Th. Robert, M. Cord : “Insights from the Future for Continual Learning”, CVPR Workshop, Nashville, United States (2021)
• 2020
  • A. Douillard, M. Cord, Ch. Ollion, Th. Robert, E. Valle : “PODNet: Pooled Outputs Distillation for Small-Tasks Incremental Learning”, ECCV 2020 - 16^th European Conference on Computer Vision, vol. 12365, Lecture Notes in Computer Science, Glasgow, United Kingdom, pp. 86-102, (Springer) (2020)
• 2019
  • Th. Robert : “Amélioration des représentations latentes des ConvNets pour l’interprétation de données visuelles”, thèse, soutenance 03/10/2019, direction de recherche Cord, Matthieu, co-encadrement : Thome, Nicolas (2019)
• 2018
  • M. Blot, Th. Robert, N. Thome, M. Cord : “SHADE: Information-Based Regularization for Deep Learning”, ICIP 2018 - 25^th IEEE International Conference on Image Processing, Athènes, Greece, pp. 813-817, (IEEE) (2018)
  • Th. Robert, N. Thome, M. Cord : “HybridNet: Classification and Reconstruction Cooperation for Semi-supervised Learning”, Computer Vision – ECCV 2018 15^th European Conference, Munich, Germany, September 8–14, 2018, Proceedings, vol. 11211, Lecture Notes in Computer Science, Munich, Germany, pp. 158-175, (Springer) (2018)
• 2010
  • G. Lasnier, Th. Robert, L. Pautet, F. Kordon : “Behavioral Modular Description of Fault Tolerant Distributed Systems with AADL Behavioral Annex”, 10^th international conference on New Technologies of Distributed Systems (NOTERE'2010), Tozeur, Tunisia, pp. 17-24, (IEEE) (2010)
  • G. Lasnier, Th. Robert, L. Pautet, F. Kordon : “Architectural and Behavioral Modeling with AADL for Fault Tolerant Embedded Systems”, 13^th IEEE International Symposium on Object-oriented Real-time distributed Computing (ISORC'10), Carmona, Spain, pp. 87-91, (IEEE) (2010)