Best paper award pour Ehsan Sedh Gooya, Dominique Pastor et Vincent Gripon

L’article présente un réseau de neurones à cliques étiquetées appliqué à la reconnaissance automatique de visage.
Pour comprendre, il est possible d’imaginer qu’un réseau de neurones est constitué de deux ensembles de neurones appelés clusters. Le premier cluster stocke l’information extraite des images faciales de chaque individu à identifier par la suite. Lors de l’apprentissage, chaque image est décomposée en un ensemble de descripteurs « dits SIFT » . Chacun de ses descripteurs est représenté par un neurone du premier cluster et les neurones associés aux descripteurs de l’image sont alors tous interconnectés, ce qui forme une clique. Cette clique est ensuite étiquetée grâce à un neurone du deuxième cluster. Cette étiquette représente l’individu.
Un algorithme de décodage approprié permet de reconnaitre un individu lorsqu’on présente à l’entrée du système une nouvelle image faciale de cette personne. Sur une base de données dédiée à la reconnaissance faciale et reconnue par la communauté, cette méthode surpasse les algorithmes existants.
En résumé, ce réseau de neurones à cliques étiquetées est une mémoire associative, biologiquement inspirée, capable d’apprendre de façon adaptative et générique, tout en étant robuste et résistante aux informations manquantes et/ou erronées. Ce réseau de neurones reprend et étend la notion de clique telle qu’elle a été proposée par Claude Berrou et Vincent Gripon en 2011.