Ressource pédagogique : #LundisNum 08/01/18 - Isabella Di Lenardo et Benoit Seguin, projet Replica
Présentation de: #LundisNum 08/01/18 - Isabella Di Lenardo et Benoit Seguin, projet Replica
Informations pratiques sur cette ressource
Droits réservés à l'éditeur et aux auteurs. Projet REPLICA, le deeplearning pour l'histoire l'art La numérisation de grandes bases de données de photographies d’?uvres d’art ouvre de nouvelles perspectives pour l’histoire de l’Art. Dans les années qui viennent, les chercheurs auront accès non seulement aux grandes collections numérisées des musées, mais aussi aux bases de données ?uvres des collections privées, des maisons de vente ou des archives historiques. Néanmoins, l’accès à ces bases de données n’est pas en lui-même suffisant. Il est nécessaire de mettre en place des moteurs de recherche efficaces capables de chercher dans ces grandes bases d’images sont pas seulement pas à partir de mots-clés, mais sur la base d’exemples visuels. Dans cette présentation, nous ferons le point sur les progrès que nous avons pu réaliser dans le cadre du projet REPLICA en utilisant les techniques de l’apprentissage profond (deep learning). Nous montrerons comment le moteur de recherche REPLICA permet d’exprimer requêtes algébriques combinant des exemples positifs et négatifs pour définir les caractéristiques des images recherchées et d’utiliser la recherche de détails pour explorer une base de données de plusieurs centaines de milliers d’?uvres. Intervenants : Isabella Di Lenardo (EPFL – Lausanne) Benoit Seguin (EPFL – Lausanne) Plus d'informations : bit.ly/INHA_LN_Janv
Description de la ressource pédagogique
Description (résumé)
Projet REPLICA, le deeplearning pour l'histoire l'art La numérisation de grandes bases de données de photographies d??uvres d?art ouvre de nouvelles perspectives pour l?histoire de l?Art. Dans les années qui viennent, les chercheurs auront accès non seulement aux grandes collections numérisées des musées, mais aussi aux bases de données ?uvres des collections privées, des maisons de vente ou des archives historiques. Néanmoins, l?accès à ces bases de données n?est pas en lui-même suffisant. Il est nécessaire de mettre en place des moteurs de recherche efficaces capables de chercher dans ces grandes bases d?images sont pas seulement pas à partir de mots-clés, mais sur la base d?exemples visuels. Dans cette présentation, nous ferons le point sur les progrès que nous avons pu réaliser dans le cadre du projet REPLICA en utilisant les techniques de l?apprentissage profond (deep learning). Nous montrerons comment le moteur de recherche REPLICA permet d?exprimer requêtes algébriques combinant des exemples positifs et négatifs pour définir les caractéristiques des images recherchées et d?utiliser la recherche de détails pour explorer une base de données de plusieurs centaines de milliers d??uvres. Intervenants : Isabella Di Lenardo (EPFL ? Lausanne) Benoit Seguin (EPFL ? Lausanne) Plus d'informations : bit.ly/INHA_LN_Janv
"Domaine(s)" et indice(s) Dewey
- Analyse numérique (518)
- Histoire de l'art (709)
Thème(s)
EN SAVOIR PLUS
-
Identifiant de la fiche
40191 -
Identifiant
oai:canal-u.fr:40191 -
Schéma de la métadonnée
- LOMv1.0
- LOMFRv1.0
- Voir la fiche XML
-
Entrepôt d'origine
Canal-u.fr