Institut multidisciplinaire d'intelligence artificielle

DESCRIPTION

Notre équipe de recherche, dirigée par Martial Mermillod et Sophie Achard développe des algorithmes bio-inspirés pour améliorer le comportement des réseaux neuronaux profonds (DNN).

Les réseaux neuronaux profonds (RNP) ont récemment montré d'importantes limitations pour différentes tâches de calcul. Notre objectif est (1) d'utiliser des algorithmes mathématiques innovants pour comprendre comment les réseaux neuronaux profonds résolvent ces problèmes de calcul et (2) de fournir de nouvelles architectures pour répondre à ces limitations d'une manière plus efficace que l'état de l'art.

À PROPOS DE NOTRE RECHERCHE

RECHERCHE DE MOYENS BIO-INSPIRÉS POUR AMÉLIORER LA ROBUSTESSE DES RÉSEAUX NEURONAUX CONVOLUTIONNELS (RNC) AUX PERTURBATIONS ADVERSES

CNN souffrent de perturbations adverses (Goodfellow et al, 2015), c'est-à-dire de petits changements dans les images d'entrée qui incitent le CNN à mal classer l'image. Ce problème pourrait s'expliquer par la sensibilité excessive de ces réseaux aux informations sur la texture (Geirhos et al, 2019) et, plus généralement, parce que les caractéristiques que ces réseaux utilisent pour classer une image semblent différer fortement de celles des humains.

Des études récentes semblent en effet souligner que le CNN utilise un large éventail de caractéristiques différentes pour classer les images, dont beaucoup ne sont pas pertinentes pour les humains et peuvent constituer des cibles idéales pour des perturbations adverses. (Ilyas et al, 2019). Par exemple, les hautes fréquences spatiales (qui comprennent les informations sur la texture) sont largement utilisées par les CNN naturellement formés, au point que les images filtrées à un degré tel que seules les très hautes fréquences restent correctement catégorisées par les CNN de pointe sur des ensembles de données tels qu'ImageNet. (Yin et al, 2019).

Pourquoi le CNN se laisse-t-il berner par ces perturbations, alors que la vision humaine reste intacte ? Des expériences psychologiques et neuroscientifiques ont montré que le système de vision humain s'appuie fortement sur le traitement des fréquences spatiales de l'information visuelle, ainsi que sur un traitement récurrent et proactif (Barreau, 2007) de l'entrée visuelle, où les zones cérébrales de niveau supérieur guident les zones de traitement de la vision de niveau inférieur vers la reconnaissance d'un objet ou d'une scène.

Nous nous concentrons actuellement sur deux perspectives principales, à savoir (1) le développement d'algorithmes capables d'imiter les processus de filtrage récurrents et spatiaux qui ont lieu dans le cerveau humain, et (2) la recherche d'un moyen de mettre en évidence les caractéristiques "non robustes" d'un CNN, qui sont les plus vulnérables aux perturbations adverses.
 

LISTE SÉLECTIVE DE PUBLICATIONS 

• Mainsant, M., Solinas, M., Reyboz, M., Godin, C., & Mermillod, M. Dream Net : a privacy preserving continual learning model for face emotion recognition. Actes de la 9e conférence internationale sur l'informatique affective et l'interaction intelligente (ACII 2021).
   
• Cohendet, R., Solinas, M., Bernhard, R., Reyboz, M., Moellic, P.A., Bourrier, Y., & Mermillod, M. (2021). Impact de la réverbération par les réseaux de neurones profonds sur les perturbations adverses. In 2021 20th IEEE International Conference on Machine Learning and Applications (ICMLA). IEEE.
   
• Bernhard ,R., Moellic, P.A., Mermillod, M., Bourrier, Y., Cohendet, R., Solinas, M., & Reyboz, M. (2021). Impact of Spatial Frequency Based Constraints on Adversarial Robustness. In 2021 IEEE International Joint Conference on Neural Networks (IJCNN).
   
• Solinas, M., Rousset, S., Cohendet, R., Bourrier, Y., Mainsant, M., Molnos, A., Reyboz, M. & Mermillod, M. (2021). Beneficial Effect of Combined Replay for Continual Learning.ICAART 2020 - Proceedings of the 13th International Conference on Agents and Artificial Intelligence, Volume 2. 205-217.
   
• Solinas, M., Galiez, C., Cohendet, R., Rousset, S., Reyboz, M. et Mermillod, M. (2020). A universal property of autoencoders and application to transfer learning. In 2020 19th IEEE International Conference on Machine Learning and Applications (ICMLA) (pp. 877-882). IEEE.
   
• Lacroix, A., Nalborczyk, L., Dutheil, F., Kovarski, K., Chokron, S., Garrido, M., Gomot, M. et Mermillod, M. (2021). High spatial frequency filtered primes hastens happy faces categorization in autistic adults. Brain and Cognition, 155, 105811.
   
• Entzmann, L., Guyader, N., Kauffmann, L., Lenouvel, J., Charles, C., Peyrin, C., ... & Mermillod, M. (2021). Le rôle du contenu émotionnel et de la saillance perceptive lors de la programmation des saccades vers les visages. Cognitive Science, 45(10), e13042.
   
• Park, G., Kim, H., Mermillod, M. et Thayer, J. F. (2021). La modulation de la tonalité vagale cardiaque sur l'orientation attentionnelle des visages équitables : Low HRV is Associated with Faster Attentional Engagement to Fair-Relevant Stimuli. Cognitive, Affective, & Behavioral Neuroscience, 1-15.
   
• Bret, A., Beffara, B., Mierop, A. et Mermillod, M. (2021). Differentiated evaluation of counter-conditioned stimuli as a function of right-wing authoritarianism (évaluation différenciée des stimuli contre-conditionnés en fonction de l'autoritarisme de droite). Social Psychological Bulletin, 16(2), 1-26.
   
• Mermillod, M. et Morisseau, T. (2021). Protéger les autres pour se protéger soi-même : Une faiblesse des pays occidentaux face aux pandémies actuelles et futures ? Perspectives psychologiques et neuroscientifiques. Frontiers in Integrative Neuroscience, 15, 8.
   
• Serole, C., Auclair, C., Prunet, D., Charkhabi, M., Lesage, F.X., Baker, J.S., Mermillod, M., Gerbaud, L., Dutheil, F. (2021). The Forgotten Health-Care Occupations at Risk of Burnout - A Burnout, Job Demand-Control-Support, and Effort-Reward Imbalance Survey. Journal of Occupational and Environmental Medicine, 63 (7), e416-e425.
   
• Dutheil, F., Comptour, A., Morlon, R., Mermillod, M., Pereira, B., Baker, J. S., Charkhabi, M., Clinchamps, M. et Bourdel, N. (2021). Autism spectrum disorder and air pollution : a systematic review and meta-analysis (Trouble du spectre autistique et pollution atmosphérique : examen systématique et méta-analyse). Environmental Pollution, 116856.
   
• Merlhiot, G., Mondillon, L., Méot, A., Dutheil, F. et Mermillod, M. (2021). Facial width-to-height ratio underlies perceived dominance on facial emotional expressions. Personality and Individual Differences, 172, 110583.
   
• Shankland, R., Favre, P., Kotsou, I. et Mermillod, M. (2021). La pleine conscience et la désautomatisation : Effet des interventions basées sur la pleine conscience sur le traitement des expressions faciales émotionnelles. Mindfulness, 12(1), 226-239.
   
• Clinchamps, M., Auclair, C., Prunet, D., Pfabigan, D., Lesage, F. X., Baker, J. S., Parreira, L., Mermillod, M., Gerbaud, L. et Dutheil, F. (2021). L'épuisement professionnel chez le personnel hospitalier non soignant : Influence of Job-Demand-Control Support, and Effort-Reward Imbalance. Journal of Occupational and Environmental Medicine, 63(1), e13-e20.