Retourner à la liste

Utilisation Deep Learning et Inpainting pour l’amélioration des images d’Observation de la Terre.réf: 028T2019SI

Description

Les images satellites à très hautes résolutions spatiales comme celles issues de la mission Pléiades contiennent une richesse d’information impressionnante de par leur contenu et leur qualité. Cependant, certains objets contenus dans ces images peuvent être inutiles pour certaines applications, voire dans certains cas ajouter un bruit tel qu’il est impossible d’effectuer l’application. On peut prendre en exemple la présence de voitures qui peut empêcher la bonne détection des routes, des emplacements de place de parking, etc. Or des méthodes robustes émergent de l’état de l’art en Computer Vision, notamment grâce aux avancées en Deep Learning et en Inpainting. Ces nouvelles méthodes permettent le remplacement de contenu complexe dans une image et donnent d’excellents résultats. Il sera donc intéressant de les porter au monde de l’observation de Terre par satellite afin d’ouvrir de nouvelles applications à l’utilisation de ces images.

Les objectifs du stage sont les suivants: Dans un premier temps, le stagiaire effectuera un état de l’art des méthodes d’inpainting les plus abouties dans le domaine du traitement d’image (notamment des images naturelles). Dans un second temps, à partir des travaux existants en Intelligence Artificielle et en Deep Learning menés par ailleurs dans le service, il portera et optimisera le meilleur algorithme d’inpainting qu’il aura identifié. Dans un troisième temps, il testera et déploiera cette nouvelle méthode sur des données réelles de type Pléiades sur le cluster du CNES et conclura sur les types d’objets (taille, nature, densité, etc.) qu’il est possible de remplacer dans ces images dans le cadre de l’observation de la Terre à très haute résolution.

Profil

BAC + 5 ( Master 2 ou dernière année d'école ingénieur)
En dernière année d'école d'ingénieur ou d'université, de profil mathématiques appliquées (méthodes d'analyse de données) et algorithmie. Une première introduction au Deep Learning sera un plus.

Description de la structure

Non renseigné

Répondre à l'offre Retourner à la liste