Classification à très large échelle d'images satellite à très haute résolution spatiale par réseaux de neurones convolutifs

Tristan Postadjian (1) , Arnaud Le Bris (1) , Hichem Sahbi (2) , Clément Mallet (1)

1 MATIS - Méthodes d'Analyses pour le Traitement d'Images et la Stéréorestitution
2 MLIA - Machine Learning and Information Access

Les algorithmes de classification constituent un outil essentiel pour le calcul de cartes d'occupation des sols. Les récents progrès en apprentissage automatique ont montré les très grandes performances des réseaux de neurones convolutifs pour de nombreuses applications, y compris la classification d'images aériennes et satellites. Ce travail établit une stratégie quant à l'utilisation d'un réseau de neurone convolutif pour la classification d'images satellites à très haute résolution spatiale, couvrant de très larges régions géographiques, avec pour perspective future le calcul de cartes d'occupation des sols à l'échelle d'un pays.

Domaines: Informatique [cs]

Tristan Postadjian, Arnaud Le Bris, Hichem Sahbi, Clément Mallet. Classification à très large échelle d'images satellite à très haute résolution spatiale par réseaux de neurones convolutifs. Revue Française de Photogrammétrie et de Télédétection, 2018, colloque CFPT 2018, 217-218 (n° spécial), pp.73-86. ⟨10.52638/rfpt.2018.418⟩. ⟨hal-02325820⟩