MACLEAN une action dédiée à l’apprentissage automatique

Une nouvelle action MACLEAN (MAchine LEarning for EArth observatioN) au sein du GDR MaDICS a été créée en janvier 2019. Le GDR MaDICS (CNRS) propose un écosystème « Masses de données scientifiques » afin de promouvoir et animer des activités de recherche interdisciplinaires positionnées dans un continuum «des données aux connaissances et à la prise de décision» dont le point de départ sont les masses de données en Sciences.

L’objectif principal de l’action MACLEAN est de mettre en place une dynamique d’échange entre des experts dans différentes communautés scientifiques (i.e. télédétection, science de la terre, informatique, agronomie, etc…)  pour relever des problématiques liés à l’exploitation, l’analyse et la gestion des données de télédétection en faisant levier sur des techniques d’apprentissage automatique comme, par exemple, l’apprentissage profond.

En savoir plus : https://www.madics.fr/actions/actions-en-cours Descendre jusqu’à MACLEAN)

MACLEAN permettra d’animer la communauté nationale autour de trois aspects principaux :

  1. Méthodes d’apprentissage automatique pour l’analyse d’un seul capteur
  2. Méthodes d’apprentissage automatique pour l’analyse des séries temporelles d’imagerie satellitaire (en lien avec le CES “Détection des changements génériques” de Theia)
  3. Méthodes d’apprentissage automatique pour de l’analyse et la fusion des données multi-sources

L’action s’intéresse aussi aux récentes techniques d’assimilation de données et couplage entre modèles physiques et apprentissage automatique pour les données d’Observation de la Terre.

Les porteurs de cette action sont Dino Ienco (UMR TETIS – Montpellier ), Thomas Corpetti (UMR LETG – Rennes ), Minh-Tan Pham (UMR IRISA – Vannes) et Sébastien Lefèvre (UMR IRISA – Vannes).

Plus d'actualités

Fototex results

Bulletin

FOTOTEX : une méthode non supervisée pour les zones urbaines

FOTOTEX, développé dans le cadre des CES Risques Maladies Infectieuses et Urbain, propose une méthode unique, rapide et non supervisée pour caractériser les zones urbaines à trois échelles imbriquées.

21.10.2021

Publications

Humidité du sol THRS : six séries mises à jour

Les données pour les régions Chartres-Versailles, Occitanie, Rhône-Alpes Lyon, Provence, Bretagne Nantes et Italie du Nord viennent d’être mise à jour.

24.09.2021

Bulletin

Connaissez-vous le SCO ?

Les animateurs du SCO reviennent sur projet de Space Climate Observatory, par lequel plusieurs projets des CES et ART de Theia ont été labellisés.

18.08.2021

Rechercher