Antoine BRALET

Sujet : Apprentissage multimodal profond et analyse des dynamiques spatio-temporelles par imagerie de télédétection / Multimodal Deep Learning for the analysis of spatio-temporal dynamics from remote sensing images

Résumé : Le sujet des recherches menées visent in fine à détecter des glissements de terrain sur des images satellitaires à partir de méthodes d’apprentissage profond. Cette étude distingue les mouvements de terrain soudains et provoqués par d’intense pluies ainsi que les mouvements lents destructeurs sur le long terme. Plusieurs méthodes ont pu être implémentées : traduction de modalité radar vers optique pour une détection indépendante du couvert nuageux, combinaison de tâches en vue de rendre la traduction plus pertinente, détection multimodale avec modalité manquantes, création de jeu de données InSAR ou encore explicabilité de réseaux de neurones sont autant de thématiques qui forgent la thèse.

The topic of the researches target sliding areas detections from remote sensing images by using deep learning approaches. Both sudden and slow moving phenomena are of interest in the thesis requiring the implementation of several deep learning techniques. Among them, the major contributions lie in radar-optical modality translation for weather robust detections, leveraging land-cover classification to increase translation reliability, apply multimodal slide detections algorithms within a missing modality context, create a new InSAR dataset or introduce explainability within the networks.