Canal-U

Mon compte
Institut national d’histoire de l’art

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


Copier le code pour partager la vidéo :
<div style="position:relative;padding-bottom:56.25%;padding-top:10px;height:0;overflow:hidden;"><iframe src="https://www.canal-u.tv/video/institut_national_de_l_histoire_de_l_art/embed.1/lundisnum_08_01_18_isabella_di_lenardo_et_benoit_seguin_projet_replica.40191?width=100%&amp;height=100%" style="position:absolute;top:0;left:0;width:100%;height: 100%;" width="550" height="306" frameborder="0" allowfullscreen scrolling="no"></iframe></div> Si vous souhaitez partager une séquence, indiquez le début de celle-ci , et copiez le code : h m s
Contacter le contributeur
J’aime
Imprimer
partager facebook twitter Google +

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

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

  •  
  •  
    Date de réalisation : 18 Janvier 2018
    Durée du programme : 86 min
    Classification Dewey : Analyse numérique, Histoire de l'art
  •  
    Catégorie : Conférences
    Niveau : Tous publics / hors niveau
    Disciplines : Arts, Réseaux informatiques ou de transports de données
    Collections : Lundis numériques
    ficheLom : Voir la fiche LOM
  •  
  •  
    Langue : Français
    Mots-clés : musées, numérique, Histoire de l'art
    Conditions d’utilisation / Copyright : 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
 

commentaires


Ajouter un commentaire Lire les commentaires
*Les champs suivis d’un astérisque sont obligatoires.
Aucun commentaire sur cette vidéo pour le moment (les commentaires font l’objet d’une modération)
 

Dans la même collection

FMSH
 
Facebook Twitter Google+
Mon Compte