ALLER PLUS LOIN QUE L'ÉTAT DE L'ART

La Computer Vision Few-Shot : la puissance de l'IA, même avec peu de données

Qu'est-ce que le Few-Shot Learning ?

C'est un domaine de recherche en Machine Learning qui étudie les algorithmes capables d'apprendre à partir de peu données. En exploitant les différences entre les images plutôt que les images individuellement, ces algorithmes apprennent à reconnaître de nouveaux objets à partir de moins d'une dizaine d'exemples (parfois même un seul !).

Le Few-Shot Learning est rapidement devenu un sujet central de la recherche en Machine Learning. Il y a fort à parier que l'efficacité et la simplicité d'utilisation de ces méthodes en feront d'ici quelques années un standard de l'industrie de l'IA. Pourquoi attendre pour en profiter ?

2015

Premiers réseaux siamois

2018

Notre premier modèle Few-Shot en production

3

Chercheurs de Sicara dédiés

Un intérêt qui croît exponentiellement

1000
C'est le nombre d'articles de recherche sur le Few-Shot Learning publiés en 2020
250%
La progression annuelle du nombre d'articles de recherche en Few-Shot Learning depuis 2015
Background
Background
Quotes

Une problématique centrale est de pouvoir expliquer ces deux aspects de l'apprentissage humain : Comment fait l'Homme pour apprendre de nouveaux concepts à partir d'un ou deux exemples ? Et comment fait l'Homme pour apprendre des représentations si abstraites, riches et flexibles ?

Brenden Lake, Professeur de Psychologie et Data Science à la New York University

La Computer Vision Few-Shot peut-elle m'aider à atteindre mes objectifs business ?

Etoiles, Buts, Few-Shot Learning

La Computer Vision Few-Shot peut-elle m'aider à atteindre mes objectifs business ?

Quand est-ce qu'un algorithme de Few-Shot Learning peut être la solution IA la mieux adaptée à votre problème ? - Vous ne disposez pas de milliers d'images ; - Vous pouvez réunir autant d'images, mais vous souhaitez avoir des premiers résultats fonctionnels sans attendre de les avoir ; - Votre problème implique l'apparition fréquente de nouveaux types d'objets. Pour savoir si nos compétences spécifiques sur le sujet peuvent vous aider à atteindre vos objectifs, renseignez-vous auprès d'un de nos data scientist.

Notre investissement dans le Few-Shot Learning

CentraleSupélec, Recherche, Grandes Écoles

Notre investissement dans le Few-Shot Learning

Plutôt que de regarder passer la recherche en Few-Shot Learning, nous avons décidé d'en faire partie. En partenariat avec l'école d'ingénieurs CentraleSupélec, notre doctorant Etienne prépare une thèse sur les algorithmes de meta-learning interprétables appliqués à la reconnaissance d'images avec peu d'exemples. Notre objectif : faire progresser l'état de l'art en Few-Shot Learning. Au quotidien, tout ce que nous apprenons permet d'apporter de la valeur à nos clients.

Cas d'usage : Retrouver la référence d'une pièce à partir d'une photo

Metric Learning, Few Shot Learning, Recommandation, GPU

Cas d'usage : Retrouver la référence d'une pièce à partir d'une photo

Dans une chaîne de production, on ne peut pas se permettre de renvoyer une machine entière à l'inventaire dès qu'une partie est défectueuse. Il est donc crucial que les opérateurs de machinerie lourde puissent être autonomes pour leur maintenance. Une fois la pièce défectueuse isolée, le maintenancier doit l'identifier afin d'accéder à son manuel ou, le cas échéant, commander une pièce de remplacement. Nous avons développé avec notre client une solution intégrée au smartphone. Lorsque le maintenancier prend en photo une pièce, notre algorithme l'identifie parmi des dizaines de milliers d'éléments, et renvoie en une seconde le numéro de la pièce et sa photo dans le catalogue. Grâce au few-shot learning, notre algorithme n'a besoin que d'une image par objet, et notre client peut ajouter ou retirer à sa guise des objets du catalogue, sans nécessiter l'intervention d'un data scientist. En 4 semaines nous avons pu atteindre 95% de classifications correctes.


Nos articles sur le Few-Shot Learning

museum watching

Meta-Learning appliqué à la Classification Few-Shot

Comment entraîner votre modèle à apprendre rapidement à partir de peu d'exemples.

Votre propre modèle de Few-Shot Learning en 15mn avec PyTorch

Vous avez toujours voulu utiliser des algorithmes à l'état de l'art sur vos projets, mais ne savez pas par où commencer ? On est là pour vous.

AI FOR BUSINESS

Le Livre Blanc

Comment faire des entreprises françaises les championnes de l'Intelligence Artificielle ? Pendant plusieurs mois, Benoît Limare, CEO de Sicara, était partenaire du Think Tank "AI for Business" - Les Echos avec des représentants d'entreprise et des experts de l'IA et de la Data Science. Ce livre blanc rassemble 20 recommandations qui s'adressent à tous types d'entreprises et managers qui veulent lancer leur projet IA.

Livre Blanc, IA, Intelligence Artificielle, Meilleures Pratiques, Les Echos