8.7 KiB
8.7 KiB
marp | paginate | author | math |
---|---|---|---|
true | true | Laurent Fainsin, Damien Guillotin, Pierre-Eliot Jourdan | katex |
Projet IAM
SimCLR + SGAN
Laurent Fainsin, Damien Guillotin, Pierre-Eliot Jourdan
Sujet
Images d'animaux \rightarrow
18 classes différentes
Sujet
Dataset
- Données labellisées
\rightarrow
20 images/classe\rightarrow
360 images - Données non labellisées
\rightarrow
2000 images - Données de test
\rightarrow
100 images/classe\rightarrow
1800 images
Model
- Input
\rightarrow
128x128px - Network
\rightarrow
MobileNetV1
Méthode contrastive
(SimCLR)
Augmentations
Méthode contrastive
(SimCLR)
Contrastive loss
l_{i,j} = -\log \frac{ \exp( \text{sim}(z_i, z_j) / \tau ) }{\sum^{2N}_{k=1\neq i} \exp( \text{sim}(z_i, z_j) / \tau) }
Résultats fully-supervised
Résultats semi-supervised
Résultats supervised fine-tuning
Comparaison des résultats
Méthode générative (SGAN)
Architecture du SGAN
Résultats générateur
5 epochs | 100 epochs | |
---|---|---|
!pretrain |
||
pretrain |