Aprendizaje sin ejemplos y el problema de clasificación

Título: Aprendizaje sin ejemplos y el problema de clasificación

Expositor: Dr. Jorge Sánchez (FAMAF - Conicet)

Día y horario: miércoles 14 de octubre a las 11 hs.

Sala Virtual: https://meet.google.com/qeh-kntz-som, Canal de Youtube:

Resumen:

El problema de clasificación sin ejemplos consiste en el aprendizaje de predictores para clases que no están presentes durante el entrenamiento. En el caso de clasificación de imágenes, una forma de abordar la falta de anotaciones para algunas categorías es codificar no sólo el espacio de entrada (imágenes) sino también el de salida (clases de objetos) en un espacio de representación adecuado. De esta manera, podemos utilizar estas representaciones para entrenar modelos que nos permitan medir el grado de compatibilidad entre imágenes y categorías, utilizando para ello la información disponible durante el entrenamiento (clases conocidas con muestras anotadas). Una forma de definir tal medida es mediante un proceso de dos pasos en el que primero proyectamos los elementos de un espacio (visual o semántico) sobre el otro y luego calculamos un puntaje de similitud en el espacio objetivo. En esta charla abordaremos distintos aspectos respecto de esta clase de modelos y propondremos dos formulaciones que nos permiten establecer un balance adecuado en la información proveniente de las modalidades visual y semántica.