ÉTUDE DE CAS 08
- Académique
- Machine Learning
Prédire la diversité végétale
Prédiction multi-label à partir de données multimodales.
GeoLifeCLEF 2025 · Projet personnel / académique
Le projet, étape par étape
Multi-labelprédiction d’espèces végétales
- 01
Données multimodales
GeoLifeCLEF 2025
- 02
Entraîner le modèle
Pipeline TabularMLP sur serveur GPU
- 03
Prédire les espèces
Plusieurs espèces possibles pour une observation
- 04
Analyser les résultats
Ablations des modalités et explicabilité
Contexte
Projet de prédiction d’espèces végétales dans le cadre de GeoLifeCLEF 2025.
Problème
Prédire plusieurs espèces végétales à partir de données multimodales et étudier l’apport de ces modalités.
Données
Données multimodales de GeoLifeCLEF 2025. Les volumes et les modalités utilisés restent à préciser.
Approche
J’ai développé un pipeline TabularMLP, entraîné sur un serveur GPU partagé, et réalisé des ablations de modalités.
Méthode
Entraînement du pipeline, ablations et analyses d’explicabilité avec Grad-CAM et SHAP. Les composants concernés par chaque méthode restent à préciser.
Résultats
Un pipeline TabularMLP développé et des analyses d’explicabilité et d’ablation réalisées. Le score et le classement ne sont pas renseignés.
Technologies
PyTorch, Scikit-learn, Grad-CAM et SHAP.
Enseignements et limites
La contribution de chaque modalité, les conclusions des ablations et les limites du modèle restent à documenter.