{"id":17210,"date":"2022-11-28T13:18:00","date_gmt":"2022-11-28T12:18:00","guid":{"rendered":"https:\/\/www.m-q.ch\/?p=17210"},"modified":"2022-12-15T09:17:24","modified_gmt":"2022-12-15T08:17:24","slug":"des-chercheurs-trouvent-une-solution-pour-lapprentissage-automatique-sans-donnees-dimages-reelles","status":"publish","type":"post","link":"https:\/\/www.m-q.ch\/fr\/des-chercheurs-trouvent-une-solution-pour-lapprentissage-automatique-sans-donnees-dimages-reelles\/","title":{"rendered":"Des chercheurs trouvent un moyen d'apprentissage automatique sans donn\u00e9es d'images r\u00e9elles"},"content":{"rendered":"
\"\"
Apprentissage automatique avec des images g\u00e9n\u00e9r\u00e9es synth\u00e9tiquement : Des chercheurs am\u00e9ricains ont trouv\u00e9 un moyen d'entra\u00eener de mani\u00e8re ad\u00e9quate des mod\u00e8les de classification d'images, m\u00eame sans donn\u00e9es d'images r\u00e9elles. (Image symbolique ; Unsplash.com)<\/figcaption><\/figure>\n

En m\u00e9decine, on utilise de plus en plus souvent des syst\u00e8mes informatiques qui interpr\u00e8tent les images au moyen de l'intelligence artificielle et aident les m\u00e9decins \u00e0 poser des diagnostics. Cela fonctionne en comparant les nouvelles images avec les donn\u00e9es d'images d\u00e9j\u00e0 existantes. La machine \"apprend\" en permanence. L'apprentissage automatique \u00e0 partir d'images a toutefois ses inconv\u00e9nients.<\/p>\n

Les droits d'auteur peuvent emp\u00eacher l'apprentissage automatique<\/h3>\n

L'utilisation de donn\u00e9es d'images r\u00e9elles pour l'entra\u00eenement \u00e0 l'apprentissage automatique peut en effet poser des probl\u00e8mes pratiques et \u00e9thiques : Les images pourraient enfreindre les lois sur les droits d'auteur, violer la vie priv\u00e9e des personnes ou \u00eatre biais\u00e9es envers une race ou un groupe ethnique particulier. Pour \u00e9viter ces \u00e9cueils, les chercheurs peuvent utiliser des programmes de g\u00e9n\u00e9ration d'images pour cr\u00e9er des donn\u00e9es synth\u00e9tiques destin\u00e9es \u00e0 l'apprentissage du mod\u00e8le. Cependant, ces techniques ont une application limit\u00e9e, car des connaissances expertes sont souvent n\u00e9cessaires pour concevoir un programme de g\u00e9n\u00e9ration d'images capable de g\u00e9n\u00e9rer des donn\u00e9es de formation efficaces.<\/p>\n

Des chercheurs du MIT, du MIT-IBM Watson AI Lab et d'autres instituts ont donc choisi une autre approche. Au lieu de d\u00e9velopper des programmes de g\u00e9n\u00e9ration d'images sur mesure pour une t\u00e2che d'entra\u00eenement sp\u00e9cifique, ils ont rassembl\u00e9 un ensemble de donn\u00e9es de 21.000 programmes disponibles publiquement sur Internet. Ils ont ensuite utilis\u00e9 cette grande collection de programmes de cr\u00e9ation d'images de base pour entra\u00eener un mod\u00e8le de vision par ordinateur. Ces programmes g\u00e9n\u00e8rent diff\u00e9rentes images repr\u00e9sentant des couleurs et des textures simples. Les chercheurs n'ont ni \u00e9dit\u00e9 ni modifi\u00e9 les programmes, qui ne comportent chacun que quelques lignes de code.<\/p>\n

Des programmes d'images comme substitut valable<\/h3>\n

Les mod\u00e8les qu'ils ont entra\u00een\u00e9s avec ce grand ensemble de donn\u00e9es de programmes ont class\u00e9 les images plus pr\u00e9cis\u00e9ment que d'autres mod\u00e8les entra\u00een\u00e9s de mani\u00e8re synth\u00e9tique. Et bien que leurs mod\u00e8les aient obtenu de moins bons r\u00e9sultats que ceux qui s'entra\u00eenaient avec des donn\u00e9es r\u00e9elles, les chercheurs ont montr\u00e9 que l'augmentation du nombre de programmes d'images dans le jeu de donn\u00e9es augmentait \u00e9galement la performance du mod\u00e8le et indiquait une voie vers une plus grande pr\u00e9cision.<\/p>\n

\"Il s'av\u00e8re que l'utilisation de nombreux programmes non curat\u00e9s est en fait pr\u00e9f\u00e9rable \u00e0 l'utilisation d'un petit ensemble de programmes qui doivent \u00eatre manipul\u00e9s par des humains. Les donn\u00e9es sont importantes, mais nous avons montr\u00e9 qu'il est possible d'aller assez loin sans donn\u00e9es r\u00e9elles\", explique Manel Baradad, doctorant en g\u00e9nie \u00e9lectrique et informatique (EECS) au Computer Science and Artificial Intelligence Laboratory (CSAIL) et auteur principal du travail de recherche d\u00e9crivant cette technique.<\/p>\n

Repenser le pr\u00e9-entra\u00eenement<\/h3>\n

Les mod\u00e8les d'apprentissage automatique sont g\u00e9n\u00e9ralement pr\u00e9-entra\u00een\u00e9s, c'est-\u00e0-dire qu'ils sont d'abord entra\u00een\u00e9s sur un ensemble de donn\u00e9es afin de d\u00e9velopper des param\u00e8tres qui peuvent \u00eatre utilis\u00e9s pour effectuer une autre t\u00e2che. Un mod\u00e8le de classification des radiographies pourrait \u00eatre entra\u00een\u00e9 sur un \u00e9norme ensemble de donn\u00e9es d'images g\u00e9n\u00e9r\u00e9es synth\u00e9tiquement avant d'\u00eatre entra\u00een\u00e9 pour sa t\u00e2che r\u00e9elle sur un ensemble de donn\u00e9es beaucoup plus petit de radiographies r\u00e9elles.<\/p>\n

Les chercheurs avaient pr\u00e9c\u00e9demment montr\u00e9 qu'ils pouvaient utiliser une poign\u00e9e de programmes de g\u00e9n\u00e9ration d'images pour cr\u00e9er des donn\u00e9es synth\u00e9tiques pour le pr\u00e9-apprentissage du mod\u00e8le, mais les programmes devaient \u00eatre soigneusement con\u00e7us pour que les images synth\u00e9tiques correspondent \u00e0 certaines caract\u00e9ristiques des images r\u00e9elles. Cela rendait difficile l'extension de la technique. Au lieu de cela, le nouveau travail a utilis\u00e9 un \u00e9norme ensemble de donn\u00e9es de programmes de cr\u00e9ation d'images non curat\u00e9es.<\/p>\n

Apprentissage automatique avec des images \"artificiellement\" g\u00e9n\u00e9r\u00e9es<\/h3>\n

Les chercheurs ont commenc\u00e9 par rassembler une collection de 21.000 programmes de cr\u00e9ation d'images sur Internet. Tous les programmes sont \u00e9crits dans un langage de programmation simple et ne comportent que quelques bribes de code, ce qui leur permet de g\u00e9n\u00e9rer rapidement des images. \"Ces programmes ont \u00e9t\u00e9 con\u00e7us par des d\u00e9veloppeurs du monde entier pour cr\u00e9er des images qui pr\u00e9sentent certaines des caract\u00e9ristiques qui nous int\u00e9ressent. Ils produisent des images qui ressemblent presque \u00e0 de l'art abstrait\", explique Baradad.<\/p>\n

Ces programmes simples peuvent \u00eatre ex\u00e9cut\u00e9s si rapidement que les chercheurs n'ont pas eu besoin de cr\u00e9er des images \u00e0 l'avance pour entra\u00eener le mod\u00e8le. Les chercheurs ont d\u00e9couvert qu'ils pouvaient g\u00e9n\u00e9rer des images et entra\u00eener le mod\u00e8le en m\u00eame temps, ce qui rationalise le processus. Ils ont utilis\u00e9 leur vaste ensemble de donn\u00e9es de programmes de cr\u00e9ation d'images pour pr\u00e9-entra\u00eener des mod\u00e8les de vision par ordinateur \u00e0 la fois pour des t\u00e2ches de classification d'images supervis\u00e9es et non supervis\u00e9es. Dans l'apprentissage supervis\u00e9, les donn\u00e9es d'image sont \u00e9tiquet\u00e9es, tandis que dans l'apprentissage non supervis\u00e9, le mod\u00e8le apprend \u00e0 cat\u00e9goriser les images sans \u00e9tiquettes.<\/p>\n

Am\u00e9lioration de la pr\u00e9cision<\/h3>\n

Lorsqu'ils ont compar\u00e9 leurs mod\u00e8les pr\u00e9-entra\u00een\u00e9s \u00e0 des mod\u00e8les modernes de vision par ordinateur pr\u00e9-entra\u00een\u00e9s avec des donn\u00e9es synth\u00e9tiques, leurs mod\u00e8les \u00e9taient plus pr\u00e9cis, c'est-\u00e0-dire qu'ils attribuaient plus souvent les images aux bonnes cat\u00e9gories. Bien que la pr\u00e9cision soit toujours inf\u00e9rieure \u00e0 celle des mod\u00e8les entra\u00een\u00e9s avec des donn\u00e9es r\u00e9elles, leur technique a r\u00e9duit de 38 % l'\u00e9cart de performance entre les mod\u00e8les entra\u00een\u00e9s avec des donn\u00e9es r\u00e9elles et ceux entra\u00een\u00e9s avec des donn\u00e9es synth\u00e9tiques.<\/p>\n

\"Ce qui est important, c'est que nous montrons que les performances \u00e9voluent de mani\u00e8re logarithmique pour le nombre de programmes collect\u00e9s. Nous n'atteignons pas la saturation des performances, c'est-\u00e0-dire que si nous collections davantage de programmes, le mod\u00e8le serait encore plus performant. Il y a donc une possibilit\u00e9 d'\u00e9tendre notre approche\", explique Manel.<\/p>\n

Les chercheurs ont \u00e9galement utilis\u00e9 chaque programme de g\u00e9n\u00e9ration d'images pour un pr\u00e9-entra\u00eenement afin de d\u00e9terminer les facteurs qui contribuent \u00e0 la pr\u00e9cision du mod\u00e8le. Ils ont constat\u00e9 que le mod\u00e8le s'en sortait mieux lorsqu'un programme produisait une plus grande vari\u00e9t\u00e9 d'images. Ils ont \u00e9galement constat\u00e9 que les images color\u00e9es, avec des sc\u00e8nes qui remplissent tout l'\u00e9cran, am\u00e9liorent le plus les performances du mod\u00e8le.<\/p>\n

Apr\u00e8s avoir d\u00e9montr\u00e9 le succ\u00e8s de cette approche de pr\u00e9-apprentissage, les chercheurs veulent maintenant \u00e9tendre leur technique \u00e0 d'autres types de donn\u00e9es, par exemple les donn\u00e9es multimodales contenant du texte et des images. Ils veulent \u00e9galement continuer \u00e0 chercher des moyens d'am\u00e9liorer les performances de classification des images.<\/p>\n

Source : Techexplore.com<\/a><\/em><\/p>","protected":false},"excerpt":{"rendered":"

En m\u00e9decine, on utilise de plus en plus souvent des syst\u00e8mes informatiques qui, gr\u00e2ce \u00e0 l'intelligence artificielle, interpr\u00e8tent les images et aident les m\u00e9decins \u00e0 poser des diagnostics. Cela fonctionne en comparant les nouvelles images avec les donn\u00e9es d'images d\u00e9j\u00e0 existantes. La machine \u201eapprend\u201c en permanence. L'apprentissage automatique \u00e0 partir d'images a toutefois ses inconv\u00e9nients. Les droits d'auteur peuvent emp\u00eacher l'apprentissage automatique [...].<\/p>","protected":false},"author":10,"featured_media":17213,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[3303],"tags":[3365,3435,3438,3327],"class_list":["post-17210","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-qualitaetsmanagement","tag-forschungwissenschaft","tag-kuenstliche-intelligenz","tag-machine-learning","tag-qualitaetsmanagement"],"acf":[],"yoast_head":"\nForscher finden Weg f\u00fcr Maschinelles Lernen ohne echte Bilddaten - MQ Management und Qualit\u00e4t<\/title>\n<meta name=\"description\" content=\"Bevor ein Modell f\u00fcr maschinelles Lernen funktioniert, muss es trainiert werden, z.B. mit Bildern. Das ist nicht immer unproblematisch.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.m-q.ch\/fr\/des-chercheurs-trouvent-une-solution-pour-lapprentissage-automatique-sans-donnees-dimages-reelles\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"#Forscher finden Weg f\u00fcr #Maschinelles Lernen ohne echte #Bilddaten\" \/>\n<meta property=\"og:description\" content=\"Bevor ein Modell f\u00fcr maschinelles #Lernen funktioniert, muss es trainiert werden, z.B. mit Bildern. Das ist nicht immer unproblematisch.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.m-q.ch\/fr\/des-chercheurs-trouvent-une-solution-pour-lapprentissage-automatique-sans-donnees-dimages-reelles\/\" \/>\n<meta property=\"og:site_name\" content=\"MQ Management und Qualit\u00e4t\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/ManagementUndQualitaet\" \/>\n<meta property=\"article:published_time\" content=\"2022-11-28T12:18:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-12-15T08:17:24+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"680\" \/>\n\t<meta property=\"og:image:height\" content=\"453\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Thomas Berner\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:description\" content=\"Bevor ein Modell f\u00fcr maschinelles Lernen funktioniert, muss es trainiert werden, z.B. mit Bildern. Das ist nicht immer unproblematisch.\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Thomas Berner\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/\"},\"author\":{\"name\":\"Thomas Berner\",\"@id\":\"https:\/\/www.m-q.ch\/fr\/#\/schema\/person\/a8711938b1cfb3f056dec70eaa0b42ab\"},\"headline\":\"Forscher finden Weg f\u00fcr Maschinelles Lernen ohne echte Bilddaten\",\"datePublished\":\"2022-11-28T12:18:00+00:00\",\"dateModified\":\"2022-12-15T08:17:24+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/\"},\"wordCount\":939,\"publisher\":{\"@id\":\"https:\/\/www.m-q.ch\/fr\/#organization\"},\"image\":{\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg\",\"keywords\":[\"Forschung\/Wissenschaft\",\"K\u00fcnstliche Intelligenz\",\"Machine Learning\",\"Qualit\u00e4tsmanagement\"],\"articleSection\":[\"Qualit\u00e4tsmanagement\"],\"inLanguage\":\"fr-FR\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/\",\"url\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/\",\"name\":\"Forscher finden Weg f\u00fcr Maschinelles Lernen ohne echte Bilddaten - MQ Management und Qualit\u00e4t\",\"isPartOf\":{\"@id\":\"https:\/\/www.m-q.ch\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg\",\"datePublished\":\"2022-11-28T12:18:00+00:00\",\"dateModified\":\"2022-12-15T08:17:24+00:00\",\"description\":\"Bevor ein Modell f\u00fcr maschinelles Lernen funktioniert, muss es trainiert werden, z.B. mit Bildern. Das ist nicht immer unproblematisch.\",\"breadcrumb\":{\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage\",\"url\":\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg\",\"contentUrl\":\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg\",\"width\":680,\"height\":453,\"caption\":\"Maschinelles Lernen mit synthetisch erzeugten Bildern: Amerikanische Forscher haben einen Weg gefunden, wie sich Bildklassifizierungsmodelle auch ohne echte Bilddaten ad\u00e4quat trainieren lassen. (Symbolbild; Unsplash.com)\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Qualit\u00e4tsmanagement\",\"item\":\"https:\/\/www.m-q.ch\/kategorie\/qualitaetsmanagement\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Forscher finden Weg f\u00fcr Maschinelles Lernen ohne echte Bilddaten\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.m-q.ch\/fr\/#website\",\"url\":\"https:\/\/www.m-q.ch\/fr\/\",\"name\":\"MQ Management und Qualit\u00e4t\",\"description\":\"Plattform f\u00fcr integrierte Managementsysteme.\",\"publisher\":{\"@id\":\"https:\/\/www.m-q.ch\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.m-q.ch\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/www.m-q.ch\/fr\/#organization\",\"name\":\"Galledia Fachmedien AG\",\"url\":\"https:\/\/www.m-q.ch\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.m-q.ch\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2020\/12\/cropped-logo_small.png\",\"contentUrl\":\"https:\/\/www.m-q.ch\/wp-content\/uploads\/2020\/12\/cropped-logo_small.png\",\"width\":512,\"height\":512,\"caption\":\"Galledia Fachmedien AG\"},\"image\":{\"@id\":\"https:\/\/www.m-q.ch\/fr\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/ManagementUndQualitaet\",\"https:\/\/www.linkedin.com\/showcase\/17982321\/admin\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.m-q.ch\/fr\/#\/schema\/person\/a8711938b1cfb3f056dec70eaa0b42ab\",\"name\":\"Thomas Berner\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/www.m-q.ch\/fr\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/faea7857408f70478f976d576da10f96?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/faea7857408f70478f976d576da10f96?s=96&d=mm&r=g\",\"caption\":\"Thomas Berner\"},\"url\":\"https:\/\/www.m-q.ch\/fr\/author\/thomas-berner\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Des chercheurs trouvent la voie de l'apprentissage automatique sans donn\u00e9es d'images r\u00e9elles - MQ Management et Qualit\u00e9","description":"Avant qu'un mod\u00e8le d'apprentissage automatique ne fonctionne, il doit \u00eatre entra\u00een\u00e9, par exemple avec des images. Cela ne va pas toujours sans poser de probl\u00e8mes.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.m-q.ch\/fr\/des-chercheurs-trouvent-une-solution-pour-lapprentissage-automatique-sans-donnees-dimages-reelles\/","og_locale":"fr_FR","og_type":"article","og_title":"#Forscher finden Weg f\u00fcr #Maschinelles Lernen ohne echte #Bilddaten","og_description":"Bevor ein Modell f\u00fcr maschinelles #Lernen funktioniert, muss es trainiert werden, z.B. mit Bildern. Das ist nicht immer unproblematisch.","og_url":"https:\/\/www.m-q.ch\/fr\/des-chercheurs-trouvent-une-solution-pour-lapprentissage-automatique-sans-donnees-dimages-reelles\/","og_site_name":"MQ Management und Qualit\u00e4t","article_publisher":"https:\/\/www.facebook.com\/ManagementUndQualitaet","article_published_time":"2022-11-28T12:18:00+00:00","article_modified_time":"2022-12-15T08:17:24+00:00","og_image":[{"width":680,"height":453,"url":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg","type":"image\/jpeg"}],"author":"Thomas Berner","twitter_card":"summary_large_image","twitter_description":"Bevor ein Modell f\u00fcr maschinelles Lernen funktioniert, muss es trainiert werden, z.B. mit Bildern. Das ist nicht immer unproblematisch.","twitter_image":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg","twitter_misc":{"\u00c9crit par":"Thomas Berner","Dur\u00e9e de lecture estim\u00e9e":"5 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#article","isPartOf":{"@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/"},"author":{"name":"Thomas Berner","@id":"https:\/\/www.m-q.ch\/fr\/#\/schema\/person\/a8711938b1cfb3f056dec70eaa0b42ab"},"headline":"Forscher finden Weg f\u00fcr Maschinelles Lernen ohne echte Bilddaten","datePublished":"2022-11-28T12:18:00+00:00","dateModified":"2022-12-15T08:17:24+00:00","mainEntityOfPage":{"@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/"},"wordCount":939,"publisher":{"@id":"https:\/\/www.m-q.ch\/fr\/#organization"},"image":{"@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage"},"thumbnailUrl":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg","keywords":["Forschung\/Wissenschaft","K\u00fcnstliche Intelligenz","Machine Learning","Qualit\u00e4tsmanagement"],"articleSection":["Qualit\u00e4tsmanagement"],"inLanguage":"fr-FR"},{"@type":"WebPage","@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/","url":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/","name":"Des chercheurs trouvent la voie de l'apprentissage automatique sans donn\u00e9es d'images r\u00e9elles - MQ Management et Qualit\u00e9","isPartOf":{"@id":"https:\/\/www.m-q.ch\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage"},"image":{"@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage"},"thumbnailUrl":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg","datePublished":"2022-11-28T12:18:00+00:00","dateModified":"2022-12-15T08:17:24+00:00","description":"Avant qu'un mod\u00e8le d'apprentissage automatique ne fonctionne, il doit \u00eatre entra\u00een\u00e9, par exemple avec des images. Cela ne va pas toujours sans poser de probl\u00e8mes.","breadcrumb":{"@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#primaryimage","url":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg","contentUrl":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2022\/11\/Forscher-finden-Weg-fuer-Maschinelles-Lernen-ohne-echte-Bilddaten_MQ.jpg","width":680,"height":453,"caption":"Maschinelles Lernen mit synthetisch erzeugten Bildern: Amerikanische Forscher haben einen Weg gefunden, wie sich Bildklassifizierungsmodelle auch ohne echte Bilddaten ad\u00e4quat trainieren lassen. (Symbolbild; Unsplash.com)"},{"@type":"BreadcrumbList","@id":"https:\/\/www.m-q.ch\/forscher-finden-weg-fuer-maschinelles-lernen-ohne-echte-bilddaten\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Qualit\u00e4tsmanagement","item":"https:\/\/www.m-q.ch\/kategorie\/qualitaetsmanagement\/"},{"@type":"ListItem","position":2,"name":"Forscher finden Weg f\u00fcr Maschinelles Lernen ohne echte Bilddaten"}]},{"@type":"WebSite","@id":"https:\/\/www.m-q.ch\/fr\/#website","url":"https:\/\/www.m-q.ch\/fr\/","name":"Gestion et qualit\u00e9 du QM","description":"Plate-forme pour les syst\u00e8mes de gestion int\u00e9gr\u00e9e.","publisher":{"@id":"https:\/\/www.m-q.ch\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.m-q.ch\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/www.m-q.ch\/fr\/#organization","name":"Galledia Trade Media AG","url":"https:\/\/www.m-q.ch\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.m-q.ch\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2020\/12\/cropped-logo_small.png","contentUrl":"https:\/\/www.m-q.ch\/wp-content\/uploads\/2020\/12\/cropped-logo_small.png","width":512,"height":512,"caption":"Galledia Fachmedien AG"},"image":{"@id":"https:\/\/www.m-q.ch\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/ManagementUndQualitaet","https:\/\/www.linkedin.com\/showcase\/17982321\/admin\/"]},{"@type":"Person","@id":"https:\/\/www.m-q.ch\/fr\/#\/schema\/person\/a8711938b1cfb3f056dec70eaa0b42ab","name":"Thomas Berner","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.m-q.ch\/fr\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/faea7857408f70478f976d576da10f96?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/faea7857408f70478f976d576da10f96?s=96&d=mm&r=g","caption":"Thomas Berner"},"url":"https:\/\/www.m-q.ch\/fr\/author\/thomas-berner\/"}]}},"_links":{"self":[{"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/posts\/17210","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/users\/10"}],"replies":[{"embeddable":true,"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/comments?post=17210"}],"version-history":[{"count":3,"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/posts\/17210\/revisions"}],"predecessor-version":[{"id":17214,"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/posts\/17210\/revisions\/17214"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/media\/17213"}],"wp:attachment":[{"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/media?parent=17210"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/categories?post=17210"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.m-q.ch\/fr\/wp-json\/wp\/v2\/tags?post=17210"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}