Dans le cadre du premier symposium du GDR MaDICS (http://www.madics.fr/event/titre1551974198-3309/?instance_id=1126), l’action MACLEAN (Machine learning for Earth Observation) propose un atelier la journée du 27 juin 2019 avec le programme au-dessous.
===========================================
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
===========================================
