Programme MACLEAN (Machine Learning for Earth Observation Data) à Rennes.

L’Action MACLEAN (Machine Learning for Earth Observation Data) propose une journée de rencontres le 27 juin 2019, à Rennes (I.R.I.S.A. Rennes, Avenue Général Leclerc, Rennes) lors du premier Symposium MADICS (http://www.madics.fr/event/titre1551974198-3309/).

Pour participer à la journée, il est impératif de de s’inscrire sur le site web du Symposium ou à par ce lien : http://www.madics.fr/manifestations/organisation/inscription/?manif=1551974198.3309

L’inscription permettra aux organisateurs de mieux gérer la partie logistique.

Au programme de cette journée

• 9h – Début
• 9h15 – 10h15 Conférence invitée (Simon Baillarin – CNES) Big Data et Intelligence Artificielle, des enjeux pour l’Observation de la Terre et les Applications avals
• 10h30 – 12h  Session 1: Representational Learning to support Remote Sensing Analysis
  • Ekaterina Kalinicheva, ISEP : Détection et analyse de changements non-supervisé dans la série d’images satellitaires
  • Sara Akodad, IMS : Architectures hybrides de réseaux de neurones exploitants les statistiques d’ordre 2 sur les sorties des couches convolutives d’un CNN : application à la classification supervisée d’images satellitaires
  • Thomas Corpetti, Jean Nabucet, Sébastien Lefèvre, LETG & IRISA : Une nouvelle compétition pour l’IA au service du climat
• 14h30 – 15h30 Conférence invitée (Prof. Ronan Fablet – LabSTICC) : Ocean & Data Science: vieux amis et nouveaux défis
• 15h30 – 16h30 Session 2: Supervised and Semi-supervised Satellite Image Time Series analysis
  • Mohamed Chelali, LIPADE : Analyse de l’occupation des sols à partir de séries temporelles d’images satellites basée sur la stabilité temporelle
  • Jean-Eudes Gbodjo, TETIS : Multi-Source Land Cover mapping via RNN-based architecture: An application to West African agricultural landscape
  • Baptiste Lafabregue, ICUBE : Deep constrained clustering applied to remote sensing time-series: a comparative experiment
• 16h30 – 17h Pause
• 17h – 18h Session 3: Distant, Weak and Noisy supervision
  • Nicolas Girard, INRIA:Noisy Supervision for Correcting Misaligned Maps Without Perfect Ground Truth Data
  • Mathieu Laroze, IRISA:Annotation et détection d’objet pour les suivis environnementaux aériens
  • Claire Voreiter, IRISA:A cycle GAN approach for Heterogeneous Domain Adaptation in Land Use classification
• 18h – 18h30 Discussions et Conclusions