Guillaume ROUSSET

Doctorant
Deep Learning - Machine Learning - Remote Sensing - Land Use

Biographie

Parcours universitaire
2018 : 2ème année de thèse
2017 : 1ère année de thèse
2015 : master Extraction de connaissances dans les données (ECD), Université de Nantes

Travaux en cours

Développement de méthodes d’app rentissage du type « Deep Learning » pour la reconnaissance automatique d’objets à partir de données satellitaires multi-capteurs : application à la cartographie de l’occupation du sol en Nouvelle-Calédonie

Le « deep learning » est une technique à la croisée de l’informatique et de la modélisation mathématique qui représente aujourd’hui l’une des techniques les plus efficaces dans le domaine de la reconnaissance d’objet. Elle est cependant encore peu utilisée dans le cadre du traitement de l’imagerie satellitaire. Le MOS (mode d’occupation des sols), un projet initié par l’OEIL (Observatoire de l’environnement de Nouvelle-Calédonie), utilise des données optiques à très haute résolution pour créer une cartographie complète de l’occupation du sol par photo-interprétation sur l’ensemble de la province Sud de Nouvelle-Calédonie.
L’objectif de la thèse est double : il consiste à développer une méthode automatique de détection de changement du MOS ce qui constitue un véritable défi dans le contexte d’une île tropicale haute et adapter les techniques du « deep learning » à des problématiques de télédétection. À terme, il s’agit de mettre au point des indicateurs permettant de surveiller automatiquement et efficacement l’évolution de l’environnement de la Nouvelle- Calédonie.

Financement
Prix de la province Sud d’encouragement à la recherche

Directeurs de thèse

  • Morgan MANGEAS, IRD
  • Dominique Simpelaere, UNC – Institut de sciences exactes et appliquées (ISEA)