Deep learning pour l'amélioration de la sécurité des télésièges: cas d'utilisation et nouveaux problèmes de recherche

Résumé:

Je montrerai dans un premier temps comment des méthodes de l'état de l'art en deep learning (architectures, augmentation de données, choix de méta-paramètres,réseaux antagonistes) peuvent être combinées pour résoudre un problème concret de détection de situations à risques sur des télésièges dans les stations de ski. Je parlerai également des problématiques méthodologiques inhérentes à la collaboration entre des chercheurs et des industriels souhaitant travailler sur ce domaine ainsi que des problèmes de recherche que ces travaux ont soulevé et des pistes qui ont été prises pour les résoudre.

Biographie:

Elisa Fromont est Professeure à l'Université de Rennes 1 depuis Septembre 2017 et fait de la recherche au centre IRISA/INRIA rba. Auparavant, elle était Maître de conférences à l'Université de Saint-Etienne. Elle travaille sur tous les aspects de l’apprentissage automatique et de la fouille de données. Elle a, en particulier, largement appliqué ses recherches à des problèmes de vision par ordinateur et elle s'intéresse actuellement à l'analyse de séries temporelles comme, par exemple, la prédiction de consommation d'énergie. Elle revient aux sources à Rennes puisqu'elle y a soutenu sa thèse en 2005. A l'époque, elle travaillait à l'IRISA en collaboration avec le CHU de Rennes et le LTSI sur la caractérisation des arythmies cardiaques.