Le 1er Novembre 2023, un article lié au projet DESHERBROB a été publié dans la revue scientifique « Expert systems with Applications » et mis en ligne sur le site ScienceDirect.
Celui-ci aborde la problématique de l’équipe de recherche qui est de développer des modèles d’apprentissage profond robustes et précis, pour effectuer la reconnaissance et l’identification des objets. À cette fin, elle propose une méthode, qui adopte le paradigme de l’apprentissage semi-supervisé, pour combiner de manière efficace les données annotées et non annotées. La méthode est basée sur une nouvelle architecture de réseaux neuronaux profonds, qui consiste en un codeur de type réseau convolutif amélioré appartenant à la famille ConNeXt et un décodeur du même type conçu pour la reconstruction des images afin de permettre un apprentissage automatique semi-supervisé. Une nouvelle architecture de type réseaux neuronaux profonds est proposée.
Retrouvez l’article dans sa globalité ici : https://www.sciencedirect.com/science/article/pii/S0957417423027240
par Farouk Benchallal, Adel Hafiane, Nicolas Ragot et Raphael Canals
Mots clés : Apprentissage Semi-supervisé, Apprentissage profond, Régularisation consistante, Agriculture de précision.