Antoine BRALET soutient sa thèse le Mardi 01 Octobre 2024 : « Apprentissage Multimodal Profond pour la Détection d’Instabilités Gravitaires Soudaines et Lentes à partir d’Images de Télédétection Bitemporelles »

Publié le lun 30 Sep 2024

Antoine BRALET soutient sa thèse de doctorat le Mardi 01 Octobre 2024 à 14h à Polyetch Annecy-Chambéry dans l’amphithéâtre B014.

Images de Chapeau Diplome – Téléchargement gratuit sur Freepik

Titre : « Apprentissage Multimodal Profond pour la Détection d’Instabilités Gravitaires Soudaines et Lentes à partir d’Images de Télédétection Bitemporelles »

Mots clés :

Imagerie de télédétection, Apprentissage profond, Instabilités Gravitaires, Bitemporalité, Multimodalité,

Résumé :

Cette thèse a pour objectif le développement d’algorithmes d’intelligence artificielle pour la détection d’instabilités gravitaires soudaines et lentes à partir d’images satellitaires radar (SAR) et optiques. Les premières contributions ont mené à la création d’une nouvelle architecture neuronale, SARDINet, permettant de traduire une image SAR en image optique afin d’obtenir des images comparables indépendamment des conditions météorologiques. Plusieurs modifications architecturales ont permis d’améliorer la pertinence et le contraste des images traduites. Ces traductions ont ensuite été conditionnées à l’aide de nouvelles fonctions de coûts afin de guider le traducteur à délivrer des images exploitables a posteriori pour des tâches de classification ou de détection de changements. Ces traductions sont alors employées dans la cadre de la détection de glissements de terrain soudains à Haïti en 2021. Enfin, la détection d’instabilités lentes a été le sujet de la création d’un nouveau jeu de données, ISSSLIDE. Celui-ci, basé sur une nouvelle routine d’annotation manuelle d’interférogrammes SAR, a alors pu être exploité par des réseaux de neurones de segmentation standards et a permis la création d’une nouvelle stratégie de segmentation : ECSPLAIN. Cette dernière s’appuie sur l’explicabilité d’un réseau classificateur durant la phase d’entraînement afin de générer des cartes de segmentation et forcer le classificateur à être explicable. Cette thèse apporte ainsi de nouvelles méthodes d’intelligence artificielle appliquées aux images satellitaires tout en répondant au besoin de compréhension des géosciences.

Composition du Jury de thèse :

Membre du jury

Titre

Lieu d’exercice

Fonction dans le jury

Begüm DEMIR Professeur Technische Universität Berlin Rapportrice
Germain FORESTIER Professeur Université Haute-Alsace Rapporteur Rapporteur
Sophie GIFFARD-ROISIN IRD chargée de recherche Université Grenoble Alpes Examinatrice
Yannick BERTHOUMIEU Professeur Université de Bordeaux Examinateur
Loïc DENIS Professeur Université de Saint-Etienne Examinateur
Abdourrahmane ATTO Professeur LISTIC, Université Savoie Mont Blanc Directeur de thèse
Jocelyn CHANUSSOT Professeur Centre INRIA de l’Université Grenoble Alpes Co-directeur de thèse
Emmanuel TROUVÉ Professeur LISTIC, Université Savoie Mont Blanc Co-directeur de thèse