Apprentissage, Fusion et Télédétection (AFuTé)

Animateur

Enjeu et perspectives

L’intelligence artificielle est au cœur des transformations technologiques, scientifiques, économiques, sociétales et environnementales. Dans ce contexte, la modélisation des données à des fins de description, décision, prédiction et/ou prévision devient un enjeu incontournable. Ce thème lui est dédié et rassemble des travaux méthodologiques liés à l’apprentissage automatique (apprentissage profond, fouille de données), la fusion de données incertaines (probabilités, possibilités, fonctions de croyance, sous-ensembles flous, intervalles) et au traitement du signal (ondelettes, apprentissage statistique, géométrie différentielle). Ces travaux sont majoritairement appliqués à/suscités par l’analyse de données de télédétection comportant une dimension temporelle; le plus souvent à des fins de surveillance environnementale (déformation de la croûte terrestre, érosion, déforestation, retrait glaciaire, pollution maritime). Des travaux en télédétection sont également menés afin de produire de telles données, avec, pour objectifs principaux, la mesure de déplacements, la détection de changements et l’inversion de modèles. Les perspectives scientifiques de ce thème sont multiples et concernent 1) la prise en compte du volume, de l’incertitude et de la complexité (propriétés spatiales, temporelles, physiques) des données, 2) la fusion de données et/ou de modèles, et 3) l’interprétabilité des résultats obtenus.

Mots clés

Apprentissage profond, fouille de données, fusion de données, incertitudes, télédétection, séries temporelles, surveillance environnementale.

Offres de stages et d’emploi au LISTIC

Actualités

Soutenance de thèse de Olivier Lerda, le 17 décembre 2024 : Détection multivariée robuste pour sonar à croix de Mills

Soutenance de thèse de Hugo Brehier, le 4 décembre 2024: Détection pour l’Imagerie Radar à Travers Murs par décompositions de rang faible et parcimonieuse

Soutenance de thèse de Michaël Dell’aiera le 12 octobre 2024:Des simulations aux données réelles, sur la pertinence des modèles d’apprentissage profond et de l’adaptation de domaine : Application à l’astrophysique avec CTAO et LST-1

Atelier SAR & Cryosphere, Annecy, 19 Septembre 2024

Soutenance de thèse de Suvrat Kaushik,le 23 Janvier 2023: Ice aprons and hanging glaciers: new insights from optical and SAR remote sensing of the MontBlanc massif (western European Alps)

Soutenance de thèse : E. Amri, Automatic Offshore Oil Detection Based On Deep Learning Approaches Using Heterogeneous Data Fusion, 27 juin 2022.

Prix du meilleur article étudiant 2020 décerné à Guilhem Marsy par La Revue Française de Photogrammétrie et de Télédétection pour sa publication « Détection automatique de zones en mouvement dans des séries d’images non recalées : Application à la surveillance des mouvements gravitaires » parue dans le numéro 217-218 spécial du Colloque CFPT 2018.

Publications

Référencées dans HAL.

Projets en cours

Projet ATROCE : Apprentissage fédéré et Frugal

ANR REPED-SARIX : Estimation et prédiction récursive de la déformation de la Terre à partir de séries temporelles d’images SAR. 2022-2024.

Projet CNES/TOCSA SITS Deep : Suivi par Imagerie opTique Satellitaire et Deep learning de territoires naturels. En collaboration avec l’UMR TETIS et l’UMR IMS. 2022.

Projet iXblue : utilisation de méthodes statistiques robustes pour de la détection et classification d’objets dans des données sonar. Sujet de thèse entre iXblue et le LISTIC. 2020-2024

Projet CNES/PNTS SHARE : Séries cHronologiques d’imAges saR de sentinel-1 en terrain de montagnE. Détection de changements sur des surfaces enneigées (neige sèche/neige humide) à l’aide de méthode d’apprentissage automatique. En collaboration avec l’UMR ISTerre, l’UMR LJK, le CNRM, Magellium. 2021-2023.

Membres

Permanents : A. Atto, A. Benoit, Ph. Bolon, R. Boukezzoula, D. Coquin, Y. Dumond, M-P. Huget, G. Mauris, A. Mian, E. Trouvé, Y. Yan, G. Ginolhac, N. Méger, A. Bhanot, Y. Mhiri, C. Lin-Kwong-Chong, A. Lavault.

Doctorants : D. El Hajjar, D.Jafuno, E. Moliere, F.-X. Sikoumo Hogue, M. Verlynde, L. Zuccali, S. Bouaziz, M. Salis

Projets terminés

Projet AFREU : Apprentissage fédéré et Frugal

Projet SMGA : utilisation de techniques d’IA pour déceler des cavités sur pans de montagnes. En collaboration avec Géolithe. 2021.

Projet RINA : création d’un démonstrateur utilisant des méthodes d’IA pour une gestion opérationnelle des RIsques NAturels d’origine géologique. En collaboration avec CEREMA, BRGM et Géolithe. 2021.

Projet Heliocity : classification de données de suivi d’installations solaires à l’aide de méthodes d’apprentissage automatique. 2021.

ANR MARGARITA : Modern Adaptive Radar: Great Advances in Robust and Inference Techniques and Application. 2019-2021.

Projet TOTAL : détection des nappes de pétrole, vastes collections de données SAR de la surface de l’océan, fusion de données hétérogènes, apprentissage profond. 2018-2021.

ANR ReVeRIES : Reconnaissance de Végétaux Récréative, Interactive et Éducative sur Smartphone. 2016-2021.

Projet LDI I-TURN : suivi et commande en temps réel d’une machine de décolletage à l’aide de systèmes flous (règles floues, agrégation des règles). 2020.

Projet SmarterPlan/Linksium : détection et inventaire d’objets métier par apprentissage profond dans des images 360° d’intérieurs de bâtiments tertiaires. Financé par la SATT Linksium. 2020.

Projet CNES/TOSCA START Deep : Suivi de Territoires nAtuRels par Télédétection et Deep learning. En collaboration avec l’UMR TETIS et l’UMR IMS. 2020.

Projet Géolithe : utilisation de méthodes d’IA pour le traitement de données produites par un radar géologique aéroporté. 2020.

PNTS CNES : reconstruction de données manquantes dans des séries temporelles de mesures de déplacement issues d’images SAR par apprentissage statistique. 2019-2020.

GammaLearn : caractérisation du rayonnement gamma par des approches d’apprentissage profond appliquées sur des images Cherenkov d’un seul télescope. En coopération avec l’UMR LAPP, financé conjointement par le projet européen ASTERICS et la fondation Savoie Mont Blanc. 2017-2020.

ANR PHOENIX : Parsimony, Huge Observations of Earth Non-stationarities from Images Time Series. 2015-2019.

ANR VIP-Mont Blanc : Comprendre et prévoir les évolutions de l’environnement : un projet de recherche sur l’évolution morphologique du massif du Mont Blanc. 2014-2018.

FUI G4M : Géodétection Multi-Métiers et Multi-Matériaux. 2014-2017.

FUI MISAC : Multi-functional Intelligent Surface for Automative and Aeronautics Cockpits. 2012-2015.

Projet européen INTERREG GLARISKALP : risque glaciaire. 2011-2013.

ANR FOSTER : FOuille de données Spatio-Temporelles: application à la compréhension et à la surveillance de l’ERosion. 2011-2013.

ANR REVES : Reconnaissances de VEgétaux pour des interfaces Smartphones. 2010-2013.

ANR EFIDIR : Extraction et Fusion d’Informations pour la mesure de Déplacement par Imagerie Radar. 2008-2012.

Projet ADIXEN : prévision d’événements dans un flot de données pour la maintenance prédictive. 2007-2010.

ACI MEGATOR : Mesure de l’ Evolution des Glaciers Alpins par Télédétection Optique et Radar des Archives à ORFEO. 2004-2007.