Utilisation des techniques d’intelligence artificielle pour améliorer les applications des nouveaux types d’images d’observation de la Terre

Le projet proposé vise à développer des architectures d’apprentissage profond pour analyser divers types d’images d’observation de la Terre utilisées par Effigis. Il est divisé en trois sous-projets, visant chacun un type d’images et d’applications associées. Le premier sous-projet concerne l’identification des bâtiments sur les images satellites à très haute résolution (30 – 50 cm) à l‘aide de réseaux de neurones convolutifs (CNNs) de détection d’objets.

Optimisation de la cartographie géologique par apprentissage automatique

Les développements récents des algorithmes d’apprentissage automatisé offrent des moyens sans précédents pour comprendre et caractériser les environnements terrestres de notre planète. Ce projet vise à tirer profit des plus récents standards, outils et données ouvertes dans le domaine de l’observation de la Terre pour mieux caractériser la géologie de surface dans différentes régions en Afrique de l’Ouest et au Canada. À terme, ce projet facilitera l’utilisation des outils d’intelligence artificielle aux données d’observation de la Terre afin d’en extraire de nouvelles informations.

Intégration dans la plateforme logicielle OTB d'une interface utilisateur graphique et des algorithmes de traitement des images satellitaires de catastrophes

 

Lorsqu'une catastrophe majeure survient, l'organisation rapide et efficace des secours est un facteur important pour circonscrire l'impact de l'événement. Un facteur déterminant pour la bonne organisation des secours est la disponibilité d'une information rapide et fiable recensant les infrastructures et