Doctorant, LISTIC, USMB
Contact
Courriel : antoine.bralet@univ-smb.fr || Téléphone : +33(0) 4 50 09 65 91 || Page web : https://ant89ne.github.io/
Bureau : A210 || Adresse postale : LISTIC – 5 chemin de Bellevue – Annecy-le-Vieux – CS 80439 – 74944 ANNECY CEDEX
Thèse
Thème : AFuTé
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.
- Deep Learning of Radiometrical and Geometrical Sar Distorsions for Image Modality translations, Bralet, A., Atto, A. M., Chanussot, J., & Trouvé, E. (2022, October). In 2022 IEEE International Conference on Image Processing (ICIP) (pp. 1766-1770). IEEE.
- Impact de la stratégie de décodage sur la traduction de modalité radar-optique d’images de télédétection, Bralet, A., Atto, A., Chanussot, J., & Trouvé, E., number 2023-1309, pages p. 929–932, Grenoble. GRETSI – Groupe de Recherche en Traitement du Signal et des Images
Travaux complémentaires :
- ISSLIDE: InSAR dataset for Slow SLIding area DEtection with machine learning, Bralet, A., Trouvé, E., Chanussot, J., & Atto, A. M., September 22, 2023, IEEE Dataport, doi: https://dx.doi.org/10.21227/dhxt-5g91.
- Towards a multi-Modal, multi-Temporal and multi-Phenomena dataset for natural phenomena observation through deep learning, Bralet, A., Atto, A. M., Chanussot, J., & Trouvé, E. First proposed in 2022 Mesure de la Déformation par Imagerie Satellitaire (MDIS).
Encadrant : Abdourrahmane ATTO (LISTIC)
Co-encadrant : Emmanuel TROUVÉ (LISTIC) – Jocelyn CHANUSSOT (GIPSA-Lab)
Début de la thèse : 01/10/2021
Cette thèse est financée par le Projet IATOAURA de la région Auvergne Rhône-Alpes