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

EGU 2024 | Quelques contributions THEIA

L’assemblée générale 2024 de la European Geoscience Union (EGU) 2024 de se terminer à Vienne. C’est l’occasion de mettre en lumière quelques présentations issues de la communauté THEIA.

Deux outils LiDAR THEIA pour suivre les forêts

En cette journée internationale des forêts, placée en 2024 sous le signe de l’innovation, nous mettons en avant deux outils dédiés à la gestion des données LiDAR aériennes pour la caractérisation des forêts.

Des données SWOT qui dépassent les attentes

Les données hydrologiques SWOT arrivent sur hydroweb.next et leur qualité dépasse les espérances.

Rechercher