Abhatoo - Centre Nationale de Documentation

Chapitre 1 : Apport des techniques d’apprentissage supervise en cartographie d’occupation des sols
1. Cartographie automatique basée apprentissage ensembliste
1.1. Introduction aux méthodes de classification ensemblistes
1.2. Bagging
1.3. Random Forests
2. Cartographie automatique basée sur l’apprentissage profond
2.1. Apprentissage profond et segmentation sémantique
2.2. Les réseaux de neurones convolutifs
2.3. Principales architectures utilisées en segmentation sémantique
2.4. Exemples d’application en cartographie d’occupation des sols
2.5. Apport du Transfert Learning
3. Les principaux attributs utilisés en classification de l’occupation des sols
Chapitre 2 : Nouvelles approches méthodologiques de cartographie des zones irriguées
1. Mise en place d’un système de classification
2. Démarche méthodologique globale
3. Nouvelles approches de cartographie des zones irriguées basée apprentissage ensembliste
3.1. Démarche méthodologique
3.2. Scénarios de mise en application
4. Nouvelle approche de cartographie des zones irriguées basée apprentissage profond
4.1. Démarche méthodologique
4.2. Choix méthodologiques : Architecture et hyperparamètres
4.3. Scénarios de mise en application
5. Validation des résultats
Chapitre 3 : Applications, résultats et discussions
1. Site, données et outils utilisés
1.1. Site d’étude
1.2. Données utilisées
1.3. Outils informatiques
2. Prétraitements des images
3. Présentation et analyse des résultats
3.1. Nouvelle approche basée sur une série temporelle d’images Landsat 8 et l’algorithme Random Forest
3.2. Nouvelle approche basée sur deux acquisitions saisonnières d’images Sentinel 2 et l’algorithme Random Forest
3.3. Nouvelle approche basée sur la segmentation sémantique d’une image L8 et le Transfert Learning
4. Etude comparative des nouvelles approches de cartographie des zones irriguées