Deep learning pour la détection, délimitation et discrimination d'arbres à partir d'images à très haute résolution spatiale

Imbert Florent. 2021. Deep learning pour la détection, délimitation et discrimination d'arbres à partir d'images à très haute résolution spatiale. La Rochelle : La Rochelle université, 54 p. Mémoire de master 2 : Mathématiques appliquées : La Rochelle université

Encadrement : Lelong-Richaud, Camille ; Interdonato, Roberto

Résumé : Le stage s'est déroulé à la maison de la télédétection au sein de l'UMR TETIS, pour le CIRAD. La problématique a été, comment différencier les espèces d'arbres sur une image satellite ? Avec pour objectifs : — Identifier les arbres dans un paysage — Identifier les espèces d'arbres notamment les manguiers L'approche utilisée pendant ce stage fut une approche par réseaux de neurones, réalisée en python, principalement avec la bibliothèque PyTorch. J'ai pu découvrir de nouveaux process, de nouvelles méthodes de travail. J'ai réalisé des tests pour identifier les problèmes et mis en place des actions.

Mots-clés libres : Télédétection, Très haute résolution spatiale, Classification d'images, Réseaux de neurones convolutifs, Deep Learning, Manguier, Senegal

Agences de financement hors UE : Agence Nationale de la Recherche

Projets sur financement : (FRA) Institut Convergences en Agriculture Numérique

Auteurs et affiliations

• Imbert Florent, La Rochelle université (FRA)

Source : Cirad-Agritrop (https://agritrop.cirad.fr/610893/)

Métriques

[ Page générée et mise en cache le 2024-11-14 ]