Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

19 janvier 2018

Recherche et fouille de données en imagerie hyperspectrale


Catégorie : Stagiaire


La recherche d’images par le contenu visuel (CBVIR) a fait un bond en avant grâce aux réseaux de neurones déployés sur la base de données ImageNet [1][2][3]. Ces réseaux sont spécialisés dans les images à 3 bandes (RGB) et les recherches d’aujourd’hui montrent l’importance de prendre en compte plus d’information dans les données spectrales (ultraviolet, visible et infrarouge) pour obtenir des résultats plus pertinents selon l’application souhaitée [4]. Ce travail s’intéresse aux algorithmes d'apprentissage automatique(machine learning) permettant de rechercher, classer et accéder aux bases de données d’images hyperspectrales provenant des technologies comme la télédétection et la photographie aérienne et satellitaires. 

L’objectif du stage est de créer un outil permettant l’annotation semi-automatique de ces images en déployant les récentes avancées dans le domaine de la classification supervisée, et en particulier les réseaux de neurones profonds. Pour cela il faudra mettre en place une chaîne de traitements et d’analyse par le contenu des images aériennes hyperspectales.

En particulier, ce stage s’intéressera aux images satellitaires de la base AVIRIS [5]. Ces images sont des images hyperspectales, ce qui permet de ‘voir’ en un très grand nombre de bandes (224 pour AVIRIS) allant typiquement du visible au proche infrarouge.

 

Objectifs 

Ce stage s’intéressera prioritairement aux deux questions suivantes :

Références

[1] Olga Russakovsky Jia Deng, Hao Su, Jonathan Krause, Sanjeev Satheesh, Sean Ma, Zhiheng Huang, Andrej Karpathy, Aditya Khosla, Michael Bernstein, Alexander C. Berg and Li Fei-Fei. ImageNet Large Scale Visual Recognition Challenge. IJCV, 2015.

[2] Szegedy, Christian, Vincent Vanhoucke, Sergey Ioffe, Jon Shlens, and Zbigniew Wojna. "Rethinking the inception architecture for computer vision." In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 2818-2826. 2016.

[3] He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. "Deep residual learning for image recognition." In Proceedings of the IEEE conference on computer vision and pattern recognition, pp. 770-778. 2016. 

[4] Gui-Song Xia, Xin-Yi Tong, Fan Hu, Yanfei Zhong, Mihai Datcu, Liangpei Zhang. Exploiting Deep Features for Remote Sensing Image Retrieval: A Systematic Investigation. Preprint Elsevier 2017.

[5] https://aviris.jpl.nasa.gov/

Profil

Le candidat doit :

Durée de stage : 5 mois (à partir de mars/avril 2018)

Lieu du stage : XLIM, Poitiers (https://xlim.sp2mi.univ-poitiers.fr/)

Rémunération : autour de 552 euros par mois complet

Candidature

(CV + lettres de motivation et recommandation) à envoyer avant le 5 février 2018

Contact

thierry.urruty@univ-poitiers.frolfa.ben.ahmed@univ-poitiers.fr

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.