Une nouvelle approche pour la classification des reliefs basée sur la détection de la saillance intégrant les connaissances d‘experts et l’apprentissage profond

Depuis plusieurs années, les progrès en acquisition en géomatique permettent d’acquérir des données à très haute résolution sur de très grandes surfaces. Notamment, nous disposons maintenant de modèles numériques de terrain à des niveaux de détail inégalés pour l’analyse du relief et de l’environnement. Cependant, la détection et l’analyse des formes de relief est toujours un problème difficile. Une forme de relief est le résultat de processus géomorphologiques dans un contexte donné. Sa définition étant vague, les méthodes actuelles sont spécifiques à certains types de données et certaines formes.

Dernièrement, des progrès ont été faits grâce à des méthodes d’apprentissage profond venant du traitement d’image mais elles sont difficilement généralisables. Nous proposons donc une nouvelle approche basée sur la détection des éléments saillants des formes de relief. Ces saillances sont incluses dans un réseau (graphe) de points (sommets, creux) et de lignes (talwegs, crêtes) qui décrit le terrain.

image: Gadiel Lazcano on Unsplash

Objectifs

L’objectif de ce programme de recherche est de proposer de nouvelles méthodes de détection des formes de relief où des techniques d’apprentissage profond. Une limite aux méthodes d’apprentissage est de disposer de données où les formes ont déjà été identifiées. De telles données sont rarement disponibles et leur construction est fastidieuse. Des techniques devront être développées pour entrainer des réseaux sur des jeux de données limités.

Trois objectifs sont donc proposés pour ce programme:

  1. Fournir une architecture qui calcule les propriétés requises des saillances automatiquement à partir des connaissances de l’expert et de la base de données et les intègre dans un réseau de neurones profond.
  2. Concevoir une application de classification automatique des saillances à partir d’un graphe de façon semisupervisée.
  3. Concevoir une application de classification automatique des saillances à partir d’un graphe de façon non supervisée. Les données ne sont pas classées et la détection dépend entièrement de la qualité de la définition fournie par les experts.

Équipe de recherche

  • Éric Guilbert, professeur responsable, CRDIG, UL
  • Nada Bouferdous, étudiante en maîtrise, CRDIG, UL
  • Sylvie Daniel, CRDIG, UL
  • Bernard Moulin, CRDIG, UL

Organisme subventionnaire

Ce projet est supporté financièrement par le Conseil de recherches en sciences naturelles et génie Canada.

Contact

N’hésitez pas à nous contacter pour toute question ou pour plus d’information à propos de ce projet.

Wang, Bobin Duquet, Gabriel