Aller au contenu

École d'été - Apprentissage profond appliqué à l’observation de la Terre

Centre universitaire de formation continue

Présentation

Contexte

Cette école d'automne est organisée conjointement par le Département de géomatique appliquée, le Centre de recherche informatique de Montréal (CRIM) et le Centre d'applications et de recherche en télédétection (CARTEL). L’École en apprentissage profond donnera à ses participants les bases théoriques et pratiques nécessaires à comprendre le domaine, et ils en ressortiront outillés pour intervenir sur des projets faisant appel à ces techniques. Le contenu est plus orienté vers la pratique et l’application que la théorie et la recherche. Le contenu théorique nécessaire sera présenté, mais il sera complété par une comparaison des bibliothèques classiques pour l’apprentissage profond, par des présentations de scripts et de stratégies d’entrainement, ainsi que par un retour d’expérience sur les problèmes spécifiques liés à la mise en oeuvre de projets d’intelligence artificielle en milieu industriel (infrastructure, accès aux données, résultats, etc.).

Objectifs

Apprentissage des notions de traitement d’images en apprentissage profond et application de ces modèles au domaine de la géomatique.

Apprentissage pratique de l’élaboration de modèles d’apprentissage profond pour la classification et la segmentation.

Public cible

Le contenu de cette école s’adresse principalement aux professionnels de l’informatique (ingénieurs, informaticiens détenteurs au minimum d’un baccalauréat en sciences), mais les professeurs et les étudiants aux cycles supérieurs en sciences ou en ingénierie (essentiellement ceux qui ne sont pas encore familiers avec l’apprentissage profond) peuvent aussi y trouver leur intérêt.

Condition d’accès

  • Baccalauréat en sciences ou expérience professionnelle équivalente 
  • Expérience de programmation générale ou idéalement en Python (débutant/intermédiaire)
  • Intérêt en géomatique et/ou observation de la terre

Cette formation est offerte en collaboration avec la Faculté des lettres et sciences humaines.

Note

Cette formation est offerte en collaboration avec la Faculté des lettres et sciences humaines.

Contenu

Contenu

Journée 1 – le matin de 8 h 30 à 12 h 00

  • Deep Learning et vision (approches, modèles, outils)
  • Principes de base et application en géomatique
  • Présentation de la formation

Journée 1 – l’après-midi de 13 h 30 à 17 h 00

Thématique : Agriculture – images proximales

  • Présentation théorique pour introduire réseau CNN, hyperparamètres, fine tuning
  • Présentation de cas d'étude sous forme de mini-conférence par des étudiants ou des chercheurs : Agriculture: détection de maladie dans les vignes
  • TP sur un jeu de données en agriculture (INaturalist) avec des images proximales (au sol) : entraînement d’un réseau classique (ResNet) pour classification multiclasses
    • Assistance aux apprenants : Pierre-Luc, Justine et Rémi

Journée 1 – 5 à 7 Réseautage

Journée 2 – le matin de 8 h 30 à 12 h 00

Thématique : Foresterie – images aériennes et photos d’écorces

  • Présentation théorique sur entrainement d’un réseau CNN pour imagerie aérienne et ses contraintes (transformations, augmentation, ...)
  • Présentation de cas d'étude sous forme de mini-conférence par des étudiants ou des chercheurs (Foresterie : projet CCFB02 (reconnaissance d’essences forestières – écorces) Pierre-Luc
  • TP sur un jeu de données en foresterie sur images de BarkNet + BigEarthNet (proximal => généralisation avec aérien)

Journée 2 – en après-midi de 13 h 30 à 17 h 00

Thématique : Urbain – images satellite/panoramiques? et GeoImageNet ?

  • Présentation théorique entrainement de réseaux pour imagerie satellitaire (classification et segmentation)
  • Présentation de cas d'étude sous forme de mini-conférence par des étudiants ou des chercheurs (Milieu urbain : projets d'étudiants au doc
  • TP sur un jeu de données (DeepGlobe) en milieu urbain ou TP qui inclut des erreurs à corriger ou de la préparation de base de données ou des changements de structures de réseaux pour la segmentation d’une dizaine de classes avec Unet
  • Formulaire de rétroaction
  • Conclusion

Tarifs et horaires

Tarifs

Types d'inscriptionPrix

Inscription régulière 800,00 $

Inscription avec code de rabais OBNL (20 %)* 640,00 $

Inscription avec code de rabais étudiant (40 %)** 480,00 $

Note : Les prix indiqués sont pour une personne et ne comprennent pas les taxes.

*Pour obtenir un code de réduction et pouvoir vous inscrire avec le tarif pour employées ou employés d'OBNL, veuillez transmettre le nom de votre organisation et l’adresse de son site web par courriel à : cufc@USherbrooke.ca pour fin de validation. Le code de rabais sera demandé au moment de passer à la caisse. Les organismes publics ne sont pas admissibles.

**Pour obtenir un code de réduction et pouvoir vous inscrire avec le tarif étudiantes ou étudiants, veuillez transmettre une preuve de fréquentation scolaire actuelle (ex. attestation d'inscription, carte étudiante valide, etc.) par courriel à : cufc@USherbrooke.ca. Le code de rabais sera demandé au moment de passer à la caisse.

Politique d'annulation et d'abandon