Les équipes parisienne et new-yorkaise des laboratoires en intelligence artificielle de FAIR (Facebook AI Research) viennent de dévoiler des avancées en matière d’intelligence artificielle concernant la vision par ordinateur, plus précisément dans la reconnaissance automatique d’images.
A cette occasion, le nouveau modèle de vision par ordinateur auto-supervisé SEER (SElf-supERvised) a été présenté. Il peut manipuler plusieurs milliards de paramètres. Cerise sur le gâteau, il peut apprendre seul à partir d’un ensemble d’images aléatoire sur Internet, sans étiquetage préalable.
FAIR en profite pour partager en open source sa bibliothèque de données VISSL (VIsion library for state-of-the-art Self-Supervised Learning) utilisée par SEER et toute la documentation nécessaire. Facebook offre ainsi la possibilité aux autres chercheurs d’effectuer du pré-entrainement à grande échelle pour des modèles de vision sur images non étiquetées. Et surtout très rapidement.
Place de l’IT a rencontré Mathilde Caron, doctorante de troisième année à l’Inria Grenoble, qui travaille chez Facebook via une Convention industrielle de formation par la recherche (Cifre). Sa spécialité: l’apprentissage de la représentation non supervisée pour la reconnaissance d’images.
Tags auto-supervisé ClusterFit DeepClusterV2 facebook FAIR ImageNet Jigsaware Mathilde Caron MoCo v2 NPID PIRL PyTorch RotNet SEER SimCLR SwAV VISSL Yann LeCun
Face à l’explosion des API, Axway propose une approche de marketplaces privées d’API fiabilisées, conformes et monétisables. Entretien avec Yves Lajouanie, son DG EMEA.
