{"id":14562,"date":"2020-12-01T10:33:49","date_gmt":"2020-12-01T09:33:49","guid":{"rendered":"https:\/\/www.univ-smb.fr\/listic\/?p=14562"},"modified":"2025-05-13T15:33:41","modified_gmt":"2025-05-13T13:33:41","slug":"apprentissage-fusion-et-teledetection-afute","status":"publish","type":"post","link":"https:\/\/www.univ-smb.fr\/listic\/pages-fr\/apprentissage-fusion-et-teledetection-afute\/","title":{"rendered":"Apprentissage, Fusion et T\u00e9l\u00e9d\u00e9tection (AFuT\u00e9)"},"content":{"rendered":"

\"\"<\/a> version anglaise<\/a><\/p>\n

Animateur<\/span><\/h3>\n

Ammar Mian<\/a><\/p>\n

Enjeu et perspectives<\/span><\/h3>\n
\n
L\u2019intelligence artificielle<\/strong> est au c\u0153ur des transformations technologiques, scientifiques, \u00e9conomiques, soci\u00e9tales et environnementales. Dans ce contexte, la mod\u00e9lisation des donn\u00e9es \u00e0 des fins de description, d\u00e9cision, pr\u00e9diction et\/ou pr\u00e9vision devient un enjeu incontournable. Ce th\u00e8me lui est d\u00e9di\u00e9 et rassemble des travaux m\u00e9thodologiques li\u00e9s \u00e0 l\u2019apprentissage automatique<\/strong> (apprentissage profond, fouille de donn\u00e9es), la fusion de donn\u00e9es incertaines<\/strong> (probabilit\u00e9s, possibilit\u00e9s, fonctions de croyance, sous-ensembles flous, intervalles) et au traitement du signal<\/strong> (ondelettes, apprentissage statistique, g\u00e9om\u00e9trie diff\u00e9rentielle). Ces travaux sont majoritairement appliqu\u00e9s \u00e0\/suscit\u00e9s par l\u2019analyse de donn\u00e9es de t\u00e9l\u00e9d\u00e9tection<\/strong> comportant une dimension temporelle<\/strong>;\u00a0le plus souvent \u00e0 des fins de surveillance environnementale<\/strong>\u00a0(d\u00e9formation de la cro\u00fbte terrestre, \u00e9rosion, d\u00e9forestation, retrait glaciaire, pollution maritime).\u00a0<\/span>Des travaux en t\u00e9l\u00e9d\u00e9tection sont \u00e9galement men\u00e9s afin de produire de telles donn\u00e9es, avec, pour objectifs principaux, la mesure de d\u00e9placements, la d\u00e9tection de changements et l\u2019inversion de mod\u00e8les.\u00a0<\/span>Les perspectives scientifiques de ce th\u00e8me sont multiples et concernent 1) la prise en compte du volume, de l\u2019incertitude et de la complexit\u00e9 (propri\u00e9t\u00e9s spatiales, temporelles, physiques) des donn\u00e9es, 2) la fusion de donn\u00e9es et\/ou de mod\u00e8les, et 3) l\u2019interpr\u00e9tabilit\u00e9 des r\u00e9sultats obtenus.\u00a0<\/span><\/div>\n<\/div>\n
<\/div>\n

Mots cl\u00e9s <\/strong><\/h3>\n

Apprentissage profond, fouille de donn\u00e9es, fusion de donn\u00e9es, incertitudes, t\u00e9l\u00e9d\u00e9tection, s\u00e9ries temporelles, surveillance environnementale.<\/span><\/p>\n

<\/h4>\n

Offres de stages et d’emploi au LISTIC<\/span><\/a><\/h4>\n

<\/h3>\n

Actualit\u00e9s<\/span><\/h3>\n

Soutenance de th\u00e8se de Olivier Lerda, le 17 d\u00e9cembre 2024 : D\u00e9tection multivari\u00e9e robuste pour sonar \u00e0 croix de Mills<\/a><\/p>\n

Soutenance de th\u00e8se de Hugo Brehier, le 4 d\u00e9cembre 2024: D\u00e9tection pour l\u2019Imagerie Radar \u00e0 Travers Murs par d\u00e9compositions de rang faible et parcimonieuse<\/a><\/p>\n

Soutenance de th\u00e8se de Micha\u00ebl Dell\u2019aiera le 12 octobre 2024:Des simulations aux donn\u00e9es r\u00e9elles, sur la pertinence des mod\u00e8les d\u2019apprentissage profond et de l\u2019adaptation de domaine : Application \u00e0 l\u2019astrophysique avec CTAO et LST-1<\/a><\/p>\n

Atelier SAR & Cryosphere, Annecy, 19 Septembre 2024<\/span><\/a><\/p>\n

Soutenance de th\u00e8se 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)<\/a><\/p>\n

Soutenance de th\u00e8se : E. Amri, Automatic Offshore Oil Detection Based On Deep Learning Approaches Using Heterogeneous Data Fusion, 27 juin 2022.<\/a><\/p>\n

Prix du meilleur article \u00e9tudiant 2020 d\u00e9cern\u00e9 \u00e0 Guilhem Marsy par La Revue Fran\u00e7aise de Photogramm\u00e9trie et de T\u00e9l\u00e9d\u00e9tection<\/a> pour sa publication \u00ab D\u00e9tection automatique de zones en mouvement dans des s\u00e9ries d\u2019images non recal\u00e9es : Application \u00e0 la surveillance des mouvements gravitaires \u00bb parue dans le num\u00e9ro 217-218 sp\u00e9cial du Colloque CFPT 2018<\/a>.<\/p>\n

\n
<\/div>\n<\/div>\n

Publications<\/span><\/h3>\n

R\u00e9f\u00e9renc\u00e9es dans HAL.<\/a><\/p>\n

\n

<\/h3>\n

Projets en cours<\/span><\/h3>\n

Projet ATROCE : Apprentissage f\u00e9d\u00e9r\u00e9 et Frugal<\/p>\n

ANR REPED-SARIX : Estimation et pr\u00e9diction r\u00e9cursive de la d\u00e9formation de la Terre \u00e0 partir de s\u00e9ries temporelles d’images SAR. 2022-2024.<\/p>\n

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

Projet iXblue : utilisation de m\u00e9thodes statistiques robustes pour de la d\u00e9tection et classification d\u2019objets dans des donn\u00e9es sonar. Sujet de th\u00e8se entre iXblue et le LISTIC. 2020-2024\u200b<\/span><\/p>\n

Projet CNES\/PNTS SHARE : S\u00e9ries cHronologiques d’imAges saR de sentinel-1 en terrain de montagnE. D\u00e9tection de changements sur des surfaces enneig\u00e9es (neige s\u00e8che\/neige humide) \u00e0 l’aide de m\u00e9thode d’apprentissage automatique. En collaboration avec l’UMR ISTerre, l’UMR LJK, le CNRM, Magellium. 2021-2023.<\/span><\/p>\n

<\/h3>\n

Membres<\/span><\/h3>\n

Permanents :<\/strong> A. Atto<\/a>, A. Benoit<\/a>, Ph. Bolon<\/a>, R. Boukezzoula<\/a>, D. Coquin<\/a>, Y. Dumond<\/a>, M-P. Huget<\/a>, G. Mauris<\/a>, A. Mian<\/a>, E. Trouv\u00e9<\/a>, Y. Yan<\/a>, G. Ginolhac<\/a>, N. M\u00e9ger<\/a>, A. Bhanot<\/a>, Y. Mhiri<\/a>, C. Lin-Kwong-Chong<\/a>, A. Lavault<\/a>.<\/span><\/p>\n

Doctorants :<\/strong> D. El Hajjar<\/a>, D.Jafuno<\/a>, E. Moliere<\/a>, F.-X. Sikoumo Hogue<\/a>, M. Verlynde<\/a>, L. Zuccali,<\/a> S. Bouaziz<\/a>, M. Salis<\/a><\/span><\/p>\n

<\/h3>\n

Projets termin\u00e9s<\/span><\/h3>\n

Projet AFREU : Apprentissage f\u00e9d\u00e9r\u00e9 et Frugal<\/p>\n

Projet SMGA : utilisation de techniques d\u2019IA pour d\u00e9celer des cavit\u00e9s sur pans de montagnes. En collaboration avec G\u00e9olithe. 2021.<\/span><\/p>\n

Projet RINA : cr\u00e9ation d’un\u00a0d\u00e9monstrateur utilisant des m\u00e9thodes d’IA pour une gestion op\u00e9rationnelle des RIsques NAturels d\u2019origine g\u00e9ologique. En collaboration avec\u00a0CEREMA, BRGM et G\u00e9olithe. 2021.<\/span><\/p>\n

Projet Heliocity : classification de donn\u00e9es de\u00a0suivi\u00a0d’installations solaires \u00e0 l’aide de m\u00e9thodes d’apprentissage automatique. 2021.<\/span><\/p>\n

ANR MARGARITA :<\/a>\u00a0Modern Adaptive Radar: Great Advances in Robust and Inference Techniques and Application. 2019-2021.<\/span><\/p>\n

Projet TOTAL : d\u00e9tection des nappes de p\u00e9trole, vastes collections de donn\u00e9es SAR de la surface de l’oc\u00e9an, fusion de donn\u00e9es h\u00e9t\u00e9rog\u00e8nes, apprentissage profond. 2018-2021.<\/span><\/p>\n

ANR ReVeRIES :<\/a>\u00a0Reconnaissance de V\u00e9g\u00e9taux R\u00e9cr\u00e9ative, Interactive et \u00c9ducative sur Smartphone. 2016-2021.<\/span><\/p>\n

Projet LDI I-TURN : \u00a0suivi et commande en temps r\u00e9el d’une machine de d\u00e9colletage \u00e0 l’aide de syst\u00e8mes flous (r\u00e8gles floues, agr\u00e9gation des r\u00e8gles). 2020.<\/span><\/p>\n

Projet SmarterPlan\/Linksium : d\u00e9tection et inventaire d’objets m\u00e9tier par apprentissage profond dans des images 360\u00b0 d’int\u00e9rieurs de b\u00e2timents tertiaires. Financ\u00e9 par la SATT Linksium. 2020.<\/span><\/p>\n

Projet CNES\/TOSCA START Deep : Suivi de Territoires nAtuRels par T\u00e9l\u00e9d\u00e9tection et Deep learning. En collaboration avec l’UMR TETIS et l’UMR IMS. 2020.<\/span><\/p>\n

Projet G\u00e9olithe : utilisation de m\u00e9thodes d’IA pour le traitement\u00a0de donn\u00e9es produites par un radar g\u00e9ologique a\u00e9roport\u00e9. 2020.<\/span><\/p>\n

PNTS CNES : reconstruction de donn\u00e9es manquantes dans des s\u00e9ries temporelles de mesures de d\u00e9placement issues d\u2019images SAR par apprentissage statistique. 2019-2020.<\/p>\n

GammaLearn : caract\u00e9risation du rayonnement gamma par des approches d’apprentissage profond appliqu\u00e9es sur des images Cherenkov d’un seul t\u00e9lescope. En coop\u00e9ration avec l’UMR LAPP, financ\u00e9 conjointement par le projet europ\u00e9en ASTERICS et la fondation Savoie Mont Blanc. 2017-2020.<\/span><\/p>\n

ANR PHOENIX :<\/a> Parsimony, Huge Observations of Earth Non-stationarities from Images Time Series. 2015-2019.<\/span><\/p>\n

ANR VIP-Mont Blanc :<\/a>\u00a0Comprendre et pr\u00e9voir les \u00e9volutions de l\u2019environnement\u00a0: un projet de recherche sur l\u2019\u00e9volution morphologique du massif du Mont Blanc. 2014-2018.<\/span><\/p>\n

FUI G4M :<\/a>\u00a0G\u00e9od\u00e9tection Multi-M\u00e9tiers et Multi-Mat\u00e9riaux. 2014-2017.<\/span><\/p>\n

FUI MISAC :<\/a> Multi-functional\u00a0Intelligent Surface\u00a0for Automative and\u00a0Aeronautics\u00a0Cockpits. 2012-2015.<\/span><\/p>\n

Projet europ\u00e9en INTERREG GLARISKALP :<\/a> risque glaciaire. 2011-2013.<\/span><\/p>\n

ANR FOSTER :<\/a>\u00a0FOuille de donn\u00e9es Spatio-Temporelles: application \u00e0 la compr\u00e9hension et \u00e0 la surveillance de l\u2019ERosion. 2011-2013.<\/span><\/p>\n

ANR REVES :<\/a> Reconnaissances de VEg\u00e9taux pour des interfaces Smartphones. 2010-2013.<\/span><\/p>\n

ANR EFIDIR :<\/a>\u00a0Extraction et Fusion d\u2019Informations pour la mesure de D\u00e9placement par Imagerie Radar. 2008-2012.<\/span><\/p>\n

Projet ADIXEN : pr\u00e9vision d’\u00e9v\u00e9nements dans un flot de donn\u00e9es pour la maintenance pr\u00e9dictive. 2007-2010.<\/span><\/p>\n

ACI MEGATOR :<\/a>\u00a0Mesure de l’\u00a0Evolution des\u00a0Glaciers\u00a0Alpins par\u00a0T\u00e9l\u00e9d\u00e9tection\u00a0Optique et\u00a0Radar\u00a0<\/span>des Archives \u00e0 ORFEO. 2004-2007.<\/span><\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

version anglaise Animateur Ammar Mian Enjeu et perspectives L\u2019intelligence artificielle est au c\u0153ur des transformations technologiques, scientifiques, \u00e9conomiques, soci\u00e9tales et environnementales. Dans ce contexte, la mod\u00e9lisation des donn\u00e9es \u00e0 des fins de description, d\u00e9cision, pr\u00e9diction […]<\/p>\n","protected":false},"author":222,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_seopress_robots_follow":"","_seopress_robots_imageindex":"","_seopress_robots_snippet":"","_seopress_robots_primary_cat":"none","_seopress_robots_breadcrumbs":"","_seopress_robots_freeze_modified_date":"","_seopress_robots_custom_modified_date":"","_seopress_robots_canonical":"","_seopress_social_fb_title":"","_seopress_social_fb_desc":"","_seopress_social_fb_img":"","_seopress_social_fb_img_attachment_id":0,"_seopress_social_fb_img_width":0,"_seopress_social_fb_img_height":0,"_seopress_social_twitter_title":"","_seopress_social_twitter_desc":"","_seopress_social_twitter_img":"","_seopress_social_twitter_img_attachment_id":0,"_seopress_social_twitter_img_width":0,"_seopress_social_twitter_img_height":0,"_seopress_redirections_value":"","_seopress_redirections_enabled":"","_seopress_redirections_enabled_regex":"","_seopress_redirections_logged_status":"both","_seopress_redirections_param":"","_seopress_redirections_type":301,"_seopress_analysis_target_kw":"","_seopress_news_disabled":"","_seopress_video_disabled":"","_seopress_video":[],"_seopress_pro_schemas_manual":[],"_seopress_pro_rich_snippets_disable_all":"","_seopress_pro_rich_snippets_disable":[],"_seopress_pro_schemas":[],"_relevanssi_hide_post":"","_relevanssi_hide_content":"","_relevanssi_pin_for_all":"","_relevanssi_pin_keywords":"","_relevanssi_unpin_keywords":"","_relevanssi_related_keywords":"","_relevanssi_related_include_ids":"","_relevanssi_related_exclude_ids":"","_relevanssi_related_no_append":"","_relevanssi_related_not_related":"","_relevanssi_related_posts":"","_relevanssi_noindex_reason":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_post_was_ever_published":false},"categories":[62],"tags":[],"class_list":["post-14562","post","type-post","status-publish","format-standard","hentry","category-pages-fr"],"acf":[],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"","_links":{"self":[{"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/posts\/14562","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/users\/222"}],"replies":[{"embeddable":true,"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/comments?post=14562"}],"version-history":[{"count":7,"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/posts\/14562\/revisions"}],"predecessor-version":[{"id":21617,"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/posts\/14562\/revisions\/21617"}],"wp:attachment":[{"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/media?parent=14562"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/categories?post=14562"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.univ-smb.fr\/listic\/wp-json\/wp\/v2\/tags?post=14562"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}