Jia Deng est un informaticien et professeur à l'Université de Princeton, reconnu pour ses contributions à la vision par ordinateur et à l'apprentissage automatique. Il est surtout connu comme co-auteur d'ImageNet, une base de données visuelle à grande échelle qui a joué un rôle fondamental dans l'avancement de l'apprentissage profond et de l'intelligence artificielle.
Les recherches de Deng se concentrent sur la compréhension des données visuelles à travers des modèles computationnels, couvrant des domaines tels que la reconnaissance d'objets, la compréhension de scènes et l'intersection de la vision avec le langage. Son travail a influencé à la fois la recherche académique et les applications pratiques dans des domaines comme la conduite autonome et l'imagerie médicale.
Début de carrière et ImageNet
Deng a été un contributeur clé au projet ImageNet en travaillant avec Fei-Fei Li et d'autres à l'Université de Princeton et à l'Université de Stanford. Le projet, initié en 2007 et publié publiquement en 2009, visait à créer un ensemble de données complet d'images étiquetées organisé selon la hiérarchie WordNet. ImageNet contenait plus de 14 millions d'images annotées manuellement réparties dans plus de 20 000 catégories, ce qui en faisait l'un des ensembles de données visuelles les plus vastes et les plus détaillés de son époque.
L'échelle et la structure de l'ensemble de données ont permis l'entraînement de grands réseaux de neurones, conduisant à des percées dans l'apprentissage profond. Le défi annuel de reconnaissance visuelle à grande échelle ImageNet (ILSVRC), qui a débuté en 2010, est devenu une référence pour évaluer les algorithmes de détection d'objets et de classification d'images. La compétition de 2012, où un réseau de neurones convolutif a obtenu une réduction significative des erreurs, est largement créditée d'avoir déclenché le boom moderne de l'IA.
Postes académiques et recherche
Après avoir obtenu son doctorat à l'Université de Princeton, Deng a rejoint le corps professoral de l'Université du Michigan avant de revenir à Princeton en tant que professeur assistant. Son groupe de recherche étudie les problèmes de reconnaissance visuelle, y compris l'apprentissage en quelques exemples, la compréhension vidéo et le développement de modèles plus efficaces et robustes.
Deng a publié abondamment dans des conférences et des revues de premier plan, notamment CVPR, ICCV et NeurIPS. Son travail relie souvent la vision par ordinateur à d'autres domaines de l'apprentissage automatique, tels que la théorie du apprentissage automatique et les modèles génératifs. Il a également contribué au développement de références et d'ensembles de données au-delà d'ImageNet, y compris le projet Visual Genome, qui fournit des annotations détaillées d'images pour des tâches comme la génération de graphes de scènes.
Contributions à l'IA et à la vision par ordinateur
Les contributions de Deng vont au-delà de la création d'ensembles de données. Il a exploré des méthodes pour apprendre à partir de données limitées, relevant des défis dans des domaines où les exemples étiquetés sont rares. Ses recherches sur l'apprentissage en zéro exemple et en quelques exemples ont informé les approches des grands modèles de langage et des systèmes multimodaux qui combinent vision et texte.
Son travail a été cité des dizaines de milliers de fois, reflétant son impact sur le domaine. ImageNet, en particulier, est souvent cité comme un catalyseur des progrès rapides de l'apprentissage profond dans les années 2010, permettant des avancées dans les réseaux résiduels et d'autres architectures qui sous-tendent les systèmes d'IA modernes.
Enseignement et mentorat
À Princeton, Deng enseigne des cours sur la vision par ordinateur et l'apprentissage automatique, encadrant des étudiants diplômés et des chercheurs postdoctoraux qui ont poursuivi des carrières dans le monde académique et industriel. Il a été reconnu par des prix d'enseignement et a siégé dans des comités de programme pour des conférences majeures.
Son mentorat met l'accent sur une expérimentation rigoureuse et l'importance d'ensembles de données bien conçus, une philosophie qui a façonné le travail de ses étudiants. Plusieurs de ses anciens conseillés ont contribué à des projets d'IA notables, y compris des travaux sur les transformateurs et les modèles d'OpenAI.
Reconnaissance et impact
Les recherches de Deng lui ont valu de nombreux honneurs, notamment le prix PAMI Young Researcher et la bourse de recherche Sloan. Il a également reçu des prix de meilleur article lors de conférences telles que CVPR et a été nommé Fellow de l'IEEE pour ses contributions à la vision par ordinateur.
L'héritage d'ImageNet continue d'influencer le domaine, car les ensembles de données modernes pour l'IA générative et l'apprentissage multimodal s'appuient sur ses principes. Le travail en cours de Deng à Princeton se concentre sur l'avancement de l'intelligence visuelle, avec des implications pour la robotique, les soins de santé et l'interaction homme-machine.
Voir aussi
Références
Cet article est basé sur des informations publiquement disponibles concernant la carrière et les recherches de Jia Deng, y compris ses publications et son profil académique à l'Université de Princeton.