projet-intelligence-artific.../docs/slides.md
2023-12-14 16:29:27 +01:00

8.7 KiB

marp paginate author math
true true Laurent Fainsin, Damien Guillotin, Pierre-Eliot Jourdan katex

Projet IAM

SimCLR + SGAN

bg 100%

Laurent Fainsin, Damien Guillotin, Pierre-Eliot Jourdan


Sujet

Images d'animaux \rightarrow 18 classes différentes

height:225px height:225px height:225px
height:225px height:225px height:225px

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)

bg 50%


Augmentations

width:800

width:400


Méthode contrastive
(SimCLR)

bg 50%


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

bg 98% bg 98%


Résultats semi-supervised

bg 98% bg 98%


Résultats supervised fine-tuning

bg 98% bg 98%


Comparaison des résultats

height:620px


Méthode générative (SGAN)

bg 60%


Architecture du SGAN

bg 110%

bg 100%


Résultats générateur

5 epochs 100 epochs

!pretrain

pretrain


Résultats fully-supervised

height:620px


Résultats semi-supervised

height:620px


Résultats pre-training

height:620px


Comparaison des résultats

height:620px