L’objectif de ce projet est de développer des modèles d’apprentissage profond capables de prédire le prix d’un produit, tel qu’un téléviseur ou une voiture, à partir d’une image acquise par un client.
L’un des défis lors du traitement de données provenant de deux sources différentes, dans ce cas, les clients d’AXA et les plateformes de commerce électronique, est qu’elles sont généralement très différentes. Par exemple, les images de commerce électronique montrent généralement le produit devant un fond blanc et dans des conditions d’éclairage idéales, alors que les images des clients contiennent plus souvent un arrière-plan encombré et ont été acquises sous un éclairage naturel. Par conséquent, entrainer simplement un réseau en profondeur avec des données d’e-commerce pour l’appliquer aux images des clients est peu susceptible de produire des prévisions précises.
Pour résoudre ce problème, le Laboratoire de vision par ordinateur (CVLAB) utilisera des techniques d’adaptation de domaine qui s’attaquent explicitement à ce changement de domaine entre deux sources de données. Ils adapteront cette approche au problème de la prédiction des prix à partir des images des clients. Cette méthodologie peut aussi contribuer à l’évaluation des dégâts sur un véhicule.
Ce projet de recherche est mené par le CVLAB, du professeur Pascal Fua. Il dure 6 mois et est financé par AXA.
| Investigateur principal | Mathieu Salzmann |
|---|---|
| Sponsor | AXA |
| Période | 2017-2018 |
| Laboratoire | CVLAB |
| Collaboration | TRACE |