Description : L’essor de l’apprentissage profond à partir des années 2010 a ouvert de nouvelles possibilités quant à l’automatisation de tâches que seul un être humain était capable de réaliser avec un taux d’erreur acceptable. XEOS Imagerie, en partenariat avec l’Université de Sherbrooke, a développé des algorithmes d’apprentissage profond pour la détection automatique de certains défauts courant dans l’acquisition d’images aériennes. D’autres algorithmes détectent des artéfacts en post-traitement pour s’assurer d’une qualité irréprochable des produits fournis. Par exemple, des réseaux de neurones génératifs adversaires peuvent être utilisés pour améliorer la résolution spatiale des images ou encore enlever les ombres au sol, qu’elles proviennent de la topographie ou des nuages. Enfin, certaines architectures sont à l’essai pour la segmentation des bâtiments, des routes ou encore de l’eau sur les orthomosaïques produites. Cette présentation vous propose donc un tour d’horizon des avancées réalisées par le secteur recherche et développement (R&D) de XEOS Imagerie dans l’application de l’apprentissage profond aux images aériennes.

Conférencier : Étienne Clabaut a obtenu son doctorat en physique de la télédétection en 2020. Après avoir été professionnel de recherche où il a appliqué l’apprentissage profond à la détection des gossans (chapeaux de fer) en Arctique, il participe activement au secteur R&D de XEOS Imagerie dans le cadre d’un post-doctorat au Département de géomatique appliquée de l’Université de Sherbrooke.

Conférence offerte dans le cadre des Midi-MAPS du Centre d'applications et de recherches en télédétection (CARTEL).