La conception automatique des architectures de l’apprentissage profond (Deep Learning)

Le projet de recherche proposé vise à fournir un outil de classification automatique qui pourra être utilisé pour plusieurs applications de télédétection comme la cartographie de l’occupation des sols, ainsi qu’un élément d’aide à la décision pour la gestion des catastrophes naturelles et le suivi des cultures.
Dans le contexte de la classification des images de télédétection par réseau de neurones convolutionnel (CNN), la sélection des meilleurs variables (appelées hyperparamètres) qui déterminent la structure du CNN est un défi majeur lors de la construction de l’architecture de ce réseau. Il est donc important de trouver la combinaison optimale des hyperparamètres puisqu’ils contrôlent directement les performances du modèle CNN. Ainsi, nous visons l’utilisation des avantages du concept des algorithmes génétiques afin de trouver l’ensemble optimal des hyperparamètres pour les structures CNN qui ont une application dans les domaines agricoles et environnementaux.

Faculty Supervisor:

Karem Chokmani

Student:

Partner:

Université de Carthage

Discipline:

Earth science

Sector:

Education

University:

Université du Québec : Institut national de la recherche scientifique

Program: