projet-intelligence-artificielle-multimedia/docs/slides.md

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

---

Résultats fully-supervised

---

Résultats semi-supervised

---

Résultats pre-training

---

Comparaison des résultats