Yuliya Tarabalka, chargée de recherche et Emmanuel Maggioni (doctorant) Sur l'écran au milieu, une vue satellite d'un village dans la région de Forez, sur le portable : polygonisation des cartes de classification (pour polygoniser les sorties d’une classification de l’image satellite) En input, on a des images satellites ou aériennes (70 000 x 70 000 pixels ; RVB infrarouge) ; elles sont classifiées pixel par pixel en deep learning. Il est possible zoomer dans l’image, ce qui peut prendre du temps les fichiers sont très lourds . Ils essaient donc de classifier. Plusieurs méthodes sont étudiées, par exemple : quand on voit du gris à distance, comment sait-on que c’est un parking ? Peut-on dire si l’herbe est-elle haute ou pas ? Ils travaillent sur des villes totalement différentes pour en avoir tous les aspects ; le défi est d’avoir un modèle qui prend en compte toutes les différences (par exemple, suivant la saison, la végétation peut être de différentes couleurs, ce qui complique l'identification). L'équipe-projet Titane s'intéresse à la modélisation géométrique d’environnements 3D – à partir d'images de scanners, photos, données laser prises soit à un niveau piéton pour une œuvre d’art soit à un niveau aérien ou satellite (images du CNES). Ils travaillent également sur le traitement de maillage et la mise en correspondance de maillages entre eux. Ils font aussi de l’apprentissage / du deep-learning pour pouvoir faire de la classification (par exemple : bâti, non bâti)
|