Conférence
Notice
Langue :
Français
Conditions d'utilisation
Projet REPLICA, le deeplearning pour l'histoire l'art La numérisation de grandes bases de données de photographies d’œuvres 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 œuvres 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’œuvres. Intervenants : Isabella Di Lenardo (EPFL – Lausanne) Benoit Seguin (EPFL – Lausanne) Plus d'informations : bit.ly/INHA_LN_Janv
DOI : 10.60527/7qcq-4144
Citer cette ressource :
INHA. (2018, 18 janvier). #LundisNum 08/01/18 - Isabella Di Lenardo et Benoit Seguin, projet Replica , in Lundis numériques. [Vidéo]. Canal-U. https://doi.org/10.60527/7qcq-4144. (Consultée le 3 novembre 2026)
Logo Institut national d’histoire de l’art
Institut national d’histoire de l’art
S'abonner
Contacter

#LundisNum 08/01/18 - Isabella Di Lenardo et Benoit Seguin, projet Replica

Réalisation : 18 janvier 2018 - Mise en ligne : 8 janvier 2018
  • document 1 document 2 document 3
  • niveau 1 niveau 2 niveau 3
Descriptif

Projet REPLICA, le deeplearning pour l'histoire l'art
La numérisation de grandes bases de données de photographies d’œuvres 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 œuvres 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’œuvres.

Intervenants :
Isabella Di Lenardo (EPFL – Lausanne)
Benoit Seguin (EPFL – Lausanne)

Plus d'informations : bit.ly/INHA_LN_Janv

Thème
Disciplines :

Dans la même collection

Voir tout

Sur le même thème