Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LISTIC
Durée : 4-6 mois
Contact : christophe.lin-kwong-chon@univ-smb.fr
Date limite de publication : 2024-02-15

Contexte :
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.

Sujet :
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.

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.

Formation et compétences requises :
apprentissage automatique, programmation

Adresse d’emploi :
LISTIC, Anney, France

Document attaché : 202310181338_2023_sujet_stage_teledetection_ML.pdf