CE23 - Données, Connaissances, Contenus – Big Data - Simulation numérique, HPC

Exploitation des bases d'images patrimoniales – EnHerit

Résumé de soumission

La vision artificielle a été révolutionnée par des méthodes reposant sur l'apprentissage de réseaux de neurones convolutionnels (CNNs), ou apprentissage profond, sur de très grandes bases de données. En parallèle, beaucoup d'efforts ont été investis pour numériser des collections d'oeuvres d'art et d'images d'archive. Les CNNs ont été testés sur ces bases de données, mais essentiellement pour des tâches de classification standard dans une unique base de données. Au contraire, ce projet vise à utiliser des outils modernes, en particulier ceux de l'apprentissage profond, pour développer des applications innovantes qui sont permises par ces bases de données. On visera entre autre la découverte de motifs récurrents dans des grandes bases d'images et la reconstruction 3D à partir de documents historiques.

Des progrès importants sur ces problématiques auraient un grand impact pour les sciences humaines telles l'histoire de l'art ou l'archéologie, ainsi que sur leur compréhension par le public.

Coordinateur du projet

Laboratoire d'Informatique Gaspard-Monge (Laboratoire public)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

Laboratoire d'Informatique Gaspard-Monge

Aide de l'ANR 289 656 euros
Début et durée du projet scientifique : mars 2018 - 48 Mois

Liens utiles