Facebook a construit un programme - Facebook AI Research (FAIR) sur Paris
Chaque jour, le monde génère de plus en plus d’informations – textes, images, vidéos et plus encore. Pour être utiles, les applications et les services de Facebook doivent vous aider à trier toutes ces informations afin que vous puissiez mieux comprendre le monde autour de vous et de communiquer plus efficacement avec les gens qui sont importants pour vous. Ils ont construit un programme – Facebook AI Research (FAIR) – avec cet objectif à l’esprit.
Aujourd’hui, Facebook a annoncé qu’une nouvelle équipe de recherche en IA à Paris s’installe. Comme les équipes FAIR existantes à Menlo Park et New York, l’équipe de Paris va travailler sur des projets ambitieux à long terme de recherche en reconnaissance d’image, traitement du langage naturel, la reconnaissance vocale, et les types d’infrastructures physiques et logiques requises pour exécuter ces systèmes d’IA.
Le Géant a choisi Paris pour cette expansion parce que la France est la maison des meilleurs chercheurs dans le monde. Facebook pense que l’équipe FAIR Paris apportera une expertise précieuse et de nouvelles perspectives à son travail.
Un accord de collaboration en place avec l’INRIA, ouvre aussi de nouvelles possibilités d’étude conjointe avec des professionnels talentueux de recherche, doctorants et post-doctorants.
Exemple de travaux, Facebook AI Research explore la tâche de reconnaître l’identité des peuples dans des albums photos dans un cadre contraint. Pour faciliter cela, facebook introduit des nouvelles personnes dans les albums de photos (jeu de données), composé de plus de 60 000 cas avec plus de 2000 personnes recueillies auprès Flickr albums photos publics… Avec seulement environ la moitié des images de personnes contenant une face frontale, la tâche de reconnaissance est très difficile en raison des grandes variations de pose, des vêtements, la prise de vue de l’appareil photo , la résolution de l’image et l’illumination. Facebook AI utilise la méthode de reconnaissance PIPER, qui accumule les indices de reconnaissance de la personne au niveau des poses avec une reconnaissance de visage et une reconnaissance mondiale. Les expériences sur les trois paramètres différents confirment que dans la configuration avec PIPER, elle améliore significativement la performance de Deepface, qui est l’un des meilleurs outils de reconnaissance de visage.