Nvidia a trouvé un moyen de réduire significativement le nombre d’images nécessaires à l’entraînement de certaines IA en « inventant » de nouvelles images sur la base de celles existantes.
Appelée Adaptive Discriminator Augmentation ou ADA, cette technique permet de multiplier par dix, voire par vingt, la taille d’une bibliothèque d’images existante.
Pourquoi est-ce important ? Parce que les meilleurs générateurs de modèles graphiques, les algorithmes de la classe des réseaux antagonistes génératifs (GAN en anglais), ont besoin de plusieurs dizaines de milliers d’images pour produire un modèle efficace. Or, il est des domaines où ces bibliothèques d’images sont chères, trop longues, voire tout simplement impossibles à obtenir.
L’Adaptive Discriminator Augmentation est un protocole qui multiplie le nombre d’images d’entraînement : une seule image est déclinée en plusieurs versions retournées, renversées, déplacées, modifiées du point de vue des couleurs, etc. Et ce, de manière aléatoire afin de créer des déclinaisons uniques, qui permettront au GAN de se renforcer.
Si Nvidia a fait la démonstration de l’efficacité de son système sur des œuvres d’art, le bénéfice humain le plus important semble être dans le domaine médical.
Dans le cas des maladies rares, créer un ADA de génération d’images efficace permet d’atteindre l’échantillon d’entraînement significatif pour entraîner un GAN au diagnostic.
Il reste au monde médical à s’emparer de la méthodologie et à la valider, par l’expérimentation, en vérifiant que les GAN entraînés sur des collections d’images obtenues par ADA sont pertinentes.
Source : Nvidia Research
🔴 Pour ne manquer aucune actualité de 01net, suivez-nous sur Google Actualités et WhatsApp.
