Projektbeschreibung
Fachleute bei der Entdeckung und Analyse von Mustern unterstützen
Die heutigen Algorithmen des maschinellen Lernens können Vorhersagen liefern, die so leistungsfähig sind, dass sie manchmal die menschliche Interpretation ersetzen. Im Rahmen des ERC-finanzierten Projekts DISCOVER sollen jedoch neue Ansätze ausgearbeitet werden, die Fachleute bei der Erkennung und Analyse von Mustern unterstützen. Konkret werden Bilder ohne Beschriftung als Beitrag genommen, automatisch konsistente Muster bestimmt und deren Variation und Entwicklung modelliert, womit eine Fachkraft sie leichter analysieren kann. Zu diesem Zweck werden im Rahmen des Projekts zwei Ansätze entwickelt: einer basiert auf der Analyse von Korrespondenzen, der andere auf dem Lernen interpretierbarer Bildmodelle. Die Methoden werden in zwei Anwendungsbereichen entwickelt: historische Dokumente und Erdbeobachtungsbilder.
Ziel
The goal of this project is to shift the dominant paradigm of learning-based computer vision: instead of systems attempting to replace human interpretation by providing predictions, we will develop approaches to assist experts in identifying and analyzing patterns. Indeed, while the success of deep learning on visual data is undeniable, applications are often limited to the supervised learning scenario where the algorithm tries to infer a label for a new image based on the annotations made by experts in a reference dataset. In contrast, we will take as input images without any annotation, automatically identify consistent patterns and model their variation and evolution, so that an expert can more easily analyze them.
I will introduce and develop the concept of visual structures. Their key features will be their interpretability, in terms of correspondences, deformations, or properties of the observed images, and their ability to incorporate prior knowledge about the data and expert feedback. I propose two complementary approaches to formally define and identify visual structures: one based on analyzing correspondences, the other on learning interpretable image models.
We will develop visual structures in two domains in which breakthrough progress will open up new scientific discoveries: historical documents and Earth imagery. For example, from temporal series of multispectral Earth images, we will identify types of moving objects, areas with different types of vegetation or constructions, and model the evolution of their characteristics, which may correspond to changes in their activity or life cycle. Ultimately, experts will still be needed to select relevant visual structures and perform analysis, but DISCOVER will revolutionize their work, trivializing tedious annotation tasks and even allowing them to work on issues they would have been hard-pressed to identify in the raw data.
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
(öffnet in neuem Fenster) ERC-2022-STG
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
HORIZON-ERC - HORIZON ERC GrantsGastgebende Einrichtung
77455 Marne La Vallee Cedex 2
Frankreich