Show simple document record

dc.contributor.advisorJodoin, Pierre-Marc
dc.contributor.authorAuthier, Charlesfr
dc.date.accessioned2020-12-01T16:36:51Z
dc.date.available2020-12-01T16:36:51Z
dc.date.created2020fr
dc.date.issued2020-12-01
dc.identifier.urihttp://hdl.handle.net/11143/17799
dc.description.abstractL'analyse d'images satellites est un domaine de la géomatique permettant de nombreuses observations par rapport à la terre. Une étape importante de toute observation est d'identifier le contenu de l'image. Cette étape est normalement effectuée à la main, ce qui coûte temps et argent. Avec l'avènement des réseaux de neurones profonds, des GPUs à forte capacité de calculs et du nombre croissant de données satellitaires annotées, les algorithmes apprenants sont désormais les outils les plus prometteurs pour l'analyse automatique d'images satellitaires. Ce mémoire présente une étude préliminaire de l'application des réseaux à convolution sur des images satellites, ainsi que deux nouvelles méthodes devant permettre d'entraîner des réseaux de neurones a l'aide de données satellitaires pauvrement annotées. Pour cela, on a utilisé deux bases de données de l'international society for photogrammetry and remote sensing comprenant 40 images étiquetées de six classes. Les deux atouts majeurs de ces bases de données sont la grande variété des canaux composant leurs images, ainsi que les lieux différents (et donc contextes) où ces images ont été acquises. Par la suite, nous présenterons des résultats empiriques à plusieurs questions d'ordre pratique en lien avec les performances attendues des réseaux de neurones profonds appliqués à l'imagerie satellitaire. Vers la fin du rapport, nous présenterons deux techniques permettant de combiner plusieurs ensembles de données, et ce, grâce à des étiquettes de classes hiérarchiques.fr
dc.language.isofrefr
dc.publisherUniversité de Sherbrookefr
dc.rights© Charles Authierfr
dc.rightsAttribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 2.5 Canada*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/ca/*
dc.subjectApprentissage machinefr
dc.subjectApprentissage profondfr
dc.subjectClassificationfr
dc.subjectSegmentationfr
dc.subjectTélédétectionfr
dc.subjectImagerie satellitefr
dc.subjectImagerie aériennefr
dc.titleAnalyse comparative de l'utilisation de l'apprentissage profond sur des images satellitairesfr
dc.typeMémoirefr
tme.degree.disciplineInformatiquefr
tme.degree.grantorFaculté des sciencesfr
tme.degree.levelMaîtrisefr
tme.degree.nameM. Sc.fr


Files in this document

Thumbnail
Thumbnail

This document appears in the following Collection(s)

Show simple document record

© Charles Authier
Except where otherwise noted, this document's license is described as © Charles Authier