Projet Transverse CROME+

Ce stage a été réalisé par Maxime Meyer.

Le rapport est disponible dans l'onglet publications.

Résumé: Les réseaux de neurones arti􏰄ciels sont désormais omniprésents dans le monde de la vision par ordinateurs. Pour cause, ils ont montré leur capacité à résoudre, entre autres, des problèmes complexes de classi􏰄cation. Cependant, l'entraine- ment d'un réseau à une tâche nécessite beaucoup de temps de calcul et de données d'entrainement. Pour limiter ces besoins, des techniques de transfert de connais- sances, depuis un réseau entrainé vers un réseau vierge, ont été développées, permettant un gain de temps considérable. Cependant, il reste le problème du nombre important de données nécessaires, problème qui touche notamment les réseaux de reconnaissance d'activités qui disposent de bases de données très limitées. Pour essayer de palier à cela, nous avons cherché à voir si un transfert de connaissance est possible entre deux réseaux entrainés sur des bases de données di􏰃érentes : MSRDailyActivity3D comme petite base de données d'activités et Chalearn comme grande base de données de gestes. Nos expériences auront ré- vélé qu'un transfert de connaissances entre de tels réseaux peut e􏰃ffectivement augmenter la précision, mais aussi que ce transfert reste fortement limité par le fait que gestes et activités ne soient fi􏰄nalement pas assez corrélés.