Durant la dernière décennie, l’apprentissage profond s’est imposé comme une révolution de l’intelligence artificielle (IA) et est de plus en plus utilisé dans l’industrie. Le domaine de la vision numérique, une des branches les plus importantes de l’IA, a été complètement transformée par l’avènement de ces technologies. Des techniques d’apprentissage profond nous permettent maintenant de comprendre le contenu des images : localiser et identifier les différents objets qui les composent, déterminer leur forme avec précision, et même parvenir à reconstruire la structure de la scène en 3D, sont toutes des tâches qui peuvent être réalisées avec des réseaux de neurones profonds. De même, ces techniques peuvent également être utilisées pour générer de nouvelles images : créer de nouvelles images réalistes à s’y méprendre, ou encore combiner des éléments virtuels à des images réelles.

Cette présentation offrira un survol des techniques d’apprentissage profond qui permettent de comprendre et générer les images. Après une brève introduction aux techniques de base comme les réseaux de neurones à convolution, on discutera des techniques plus avancées permettant de délimiter les objets présents dans l’image de type encodeur-décodeur, et de générer de nouvelles images grâce aux réseaux antagonistes génératifs.