Recherche
Lorsqu’un modèle de réseau de neurones a été entraîné à partir d’un ensemble d’images représentant les réalisations de la distribution des données d’entrée, ce dernier est performant sur des données tests issues de la même distribution. Or, dans un grand nombre d’applications, le domaine issu des données d’entraînement et celui des données de production diffère pour de nombreuses raisons (trop peu de données dans la base d’apprentissage, modification du processus, des conditions d’acquisition, …). Il est donc important de développer des techniques d’entraînement capable de réduire ce phénomène.