Apprentissage, Fusion et Télédétection (AFuTé)

Publié le mar 1 Déc 2020

version anglaise

Animateurs

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 : M. Jacquemont, Cherenkov image analysis with deep multi-task learning from single-telescope data, 26 novembre 2020.

Soutenance de thèse : A. Hippert-Ferrer, Reconstruction de données manquantes dans des séries temporelles de mesures de déplacement par télédétection, 16 octobre 2020.

Soutenance de thèse : G. Marsy, Apport de l’imagerie optique « time-lapse » stéréoscopique pour la quantification à haute résolution spatio-temporelle (4D) des dynamiques de versants en montagne, 22 septembre 2020.

Présentation sur la découverte de motifs dans des séries temporelles d’images satellite et des séries temporelles de champs de déplacements, meeting MIAI Grenoble Alpes, 14 mai 2020.

Soutenance de thèse : C. Lesniewska-Choquet, Modélisation stochastique possibiliste et application à la détection de changements dans les bases d’images de télédétection, 23 janvier 2020.

Soutenance de thèse : M. Jauvin, Mesure des déformations de surface par interférométrie radar satellitaire – Application à la surveillance des territoires de montagne et de l’impact de grands chantiers, 18 décembre 2019.

Démonstration du prototype DTFS-P2miner à ICDM 2019 (19th IEEE International Conference on Data Mining), Pékin, Chine, 8 novembre 2019. 

Formation à la fouille de champs de déplacements et des mesures de confiances associées avec DTFS-P2miner, en collaboration avec les équipes DM2L et Imagine de l’UMR LIRIS. Ecole d’automne du colloque national MDIS 2019, Strasbourg, 15 octobre 2019.

Atelier Statistical Learning for Signal Processing, Annecy, 15-16 juillet 2019.
Atelier SAR & Cryosphere, Annecy, 11 juin 2019.

Dernières publications

A new transformation of continuous unimodal asymmetric probability distributions into possibility distributions. Laurent Foulloy, Gilles Mauris. Fuzzy Sets and Systems, 2021. doi: 10.1016/j.fss.2020.12.025.

Thick Fuzzy Sets (TFSs) and Their Potential Use in Uncertain Fuzzy Computations and Modeling. Reda Boukezzoula, Luc Jaulin, Benoît Desrochers, Didier Coquin, IEEE Transactions on Fuzzy Systems, 2021. doi: 10.1109/tfuzz.2020.3018550.

Frames Learned by Prime Convolution Layers in a Deep Learning Framework. Abdourrahmane Mahamane Atto, Rosie Bisset, Emmanuel Trouvé. IEEE Transactions on Neural Networks and Learning Systems, 2020. doi: 10.1109/TNNLS2020.3009059.

Assistance via IoT Networking cameras and Evidence Theory for 3D Object Instance Recognition: Application for the NAO Humanoid Robot. Didier Coquin, Reda Boukezzoula, Alexandre Benoit, Thanh Long Nguyen. Internet of Things, 2020. doi: 10.1016/j.iot.2019.100128

Construction de distributions de possibilité bivariées à partir de distributions marginales connues. Charles. Lesniewska-Choquet, Gilles Mauris, Abdourrahmane Mahamane Atto. LFA, 2020.

Gradual Interval Arithmetic and Fuzzy Interval Arithmetic. Reda Boukezzoula, Laurent Foulloy, Didier Coquin, Sylvie Galichet. Granular Computing, 2019. doi: 10.1007/s41066-019-00208-z

A Data-Adaptive EOF-Based Method for Displacement Signal Retrieval From InSAR Displacement Measurement Time Series for Decorrelating Targets. Rémi Prébet, Yajing Yan, Matthias Jauvin, Emmanuel Trouvé. IEEE Transactions on Geoscience and Remote Sensing, 57(8): 5829-5852, 2019.

On Elliptical Possibility Distributions. C. Lesniewska-Choquet, G. Mauris, A. Atto, G. Mercier. IEEE Transactions on Fuzzy Systems, Institute of Electrical and Electronics Engineers, June 2019. doi: 10.1109/TFUZZ.2019.2920803.

Random Matrix Improved Covariance Estimation for a Large Class of Metrics. M. Tiomoko, F. Bouchard, G. Ginolhac, R. Couillet. International Conference on Machine Learning (ICML), Long Beach, USA, June 2019.

Ranking Evolution Maps for Satellite Image Time Series Exploration – Application to Crustal Deformation and Environmental Monitoring. N. Méger, C. Rigotti, C. Pothier, T. Nguyen, F. Lodge, L. Gueguen, R. Andréoli, M-P. Doin and M. Datcu. Data Mining and Knowledge Discovery, volume 33, issue 1, pp. 131-167, January 2019. doi: 10.1007/s10618-018-0591-9.

New Robust Statistics for Change Detection in Time Series of Multivariate SAR Images. A. Mian, G. Ginolhac, J.P. Ovarlez, A. Atto. IEEE Transactions on Signal Processing, vol. 67(2), pp 520-534, January 2019.

Projets en cours

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​

APR CNES 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.

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.

Membres

Permanents : A. Atto, A. Benoit, Ph. Bolon, R. Boukezzoula, D. Coquin, Y. Dumond, S. Galichet, M-P. Huget, P. LambertG. Mauris, A. Mian, E. Trouvé, L.Valet, Y. Yan.

Doctorants : E. Amri, L. CharrierA. Collas, S. Kaushik,  Viet-Hoa Vu Phan.

Post-doctorants : H. Courteille.

Projets terminés

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.

APR CNES 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.