Vous êtes ici : Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

18 octobre 2023

Localisation des fissures volcaniques dans les données de télédétection par apprentissage automatique


Catégorie : Stagiaire


Titre: localisation des fissures volcaniques dans les données de télédétection par apprentissage automatique

Durée: 4 - 6 mois

Lieu: LISTIC, Annecy

Description du sujet:

L’interférométrie SAR (InSAR) fournit des mesures de déplacement précises sur de grandes étendues pour la surveillance des activités volcaniques. Les positions des fissures volcaniques sur les interférogrammes constituent une information importante dans la modélisation des volcans. De nos jours, la localisation de ces fissures est principalement effectuée manuellement par des experts. Avec l’augmentation sans cesse des données SAR, cette tâche nécessite des méthodes avancées permettant une détection automatique de manière efficace. Pour cela, nous tirons profit de l’avènement récent de l’apprentissage automatique, dont l’intérêt a été prouvé dans de nombreuses études de différents domaines.

Dans ce stage, nous envisageons de proposer des méthodes d’apprentissage automatique pour détecter et localiser les fissures volcaniques sur des interférogrammes mesurant les déformations du Piton de la Fournaise entre 1998 et 2020. Ces méthodes proposées devront prendre en compte la spécificité des données InSAR (données complexes) et la quantité limitée des données d’apprentissage. Nous commencerons par des méthodes de classifications classiques pour la détection des fissures (e.g. random forest, SVM, etc.) et progresserons graduellement vers l’étude des méthodes d’apprentissage profond, notamment des méthodes d’auto-apprentissage.

Les outils proposés pourront être intégrés dans le logiciel DefVolc (https://www.opgc.fr/defvolc/Vue/MainPage.php), un outil d’inversion des modèles volcaniques largement utilisé dans la communauté géophysique.

Profil du candidat:

Le candidat/la candidate M2 devra disposer de connaissances et compétences en apprentissage automatique et en programmation (Python, C, etc.). Des connaissances en télédétection radar seront les bienvenues.

Contacts: Christophe Lin-Kwong-Chon (christophe.lin-kwong-chon@univ-smb.fr), Yajing Yan (yajing.yan@univ-smb.fr)

 

Dans cette rubrique

(c) GdR IASIS - CNRS - 2024.