L’interview de Ming Feng, doctorant de l’Université de Tongji

Suite et fin de notre série d’interviews avec le dernier lauréat, Ming Feng, doctorant de l’Université de Tongji, à Shanghai. Avec pour sujet de thèse de doctorat  “l’apprentissage faiblement supervisé pour la reconnaissance visuelle”, il nous explique comment il a abordé ce Data Challenge 2020 “détection de lésion sur des biopsies du col de l’utérus”, co-organisé par Le Grand Défi, la SFP et le HDH.

Avec pour objectif “d’explorer les limites de son algorithme et de comparer ses résultats avec les meilleurs participants”, Ming Feng a tiré le meilleur de son algorithme avec un processeur graphique très simple : “un 2080Ti”. La majorité des 20 jours qu’il a consacré au challenge ont ainsi été occupés par l’exécution de l’algorithme, “deux heures par jour en moyenne”. Sans utiliser de base de données supplémentaire, il s’est basé sur un modèle pré-entraîné issu de imagenet, un des principaux sites d’imagerie du genre. 

Pour se démarquer, Ming Feng a souligné l’importance de la “compréhension des données” : si son algorithme ne présentait pas de différences significatives, il a su faire la différence “principalement dans l’exploration des données”. Son succès s’explique aussi par l’expérience accumulée à travers la participation à d’autres challenges du même type, notamment le Grand Challenge. 

Ayant “beaucoup bénéficié des travaux de la communauté open source”, il a souligné l’importance de partager à son tour son algorithme, en espérant “rendre à cette communauté". C’est d’ailleurs à travers cette communauté qu’il a entendu parler du Data Challenge, et notamment sur des groupes dédiés au traitement d’images médicales sur WeChat, le WhatsApp chinois. Il compte également “perfectionner son travail” avant de publier un article académique sur le sujet.