Deep4EnvMonitoring
Apprentissage profond pour la surveillance environnementale ; décharges illégales
Résumé du projet
Ce projet aborde la gestion de l’environnement à l’aide de DeepLearning et d’images de Drone ; plus précisément la surveillance de petites décharges clandestines. En effet, malgré la collecte des déchets domestiques par les services municipaux et leur dépôt dans des décharges officielles, on trouve encore des décharges illégales dans l’ensemble des pays africains. Cela pose de sérieux problèmes sanitaires et environnementaux. Il est donc urgent d’identifier en temps réel ces décharges illégales afin d’éviter leur apparition et leur prolifération. Ce suivi, cette géolocalisation et cette caractérisation peuvent également donner une meilleure façon de traiter les décharges illégales à un coût minimal.
C’est pourquoi nous utilisons un réseau de neurones convolutifs (CNN) qui extrait les caractéristiques des images ou des vidéos et permet la reconnaissance. Il est bien connu qu’avec les CNN, on peut reconnaître des motifs dans un cadre spécifique, mais dans ce projet, nous voulons démontrer la possibilité d’un encodage indirect des poids des réseaux neuronaux profonds composés de milliers de connexions. Cela permettra à partir de réseaux profonds faisant de la reconnaissance d’image (comme celui qui détecte déjà les déchets) d’évoluer vers un hyper réseau rassemblant différents motifs et étant évolutif avec la possibilité d’intégrer des motifs inconnus comme des constructions précaires ou inachevées, des utilisations anarchiques ou illégales du sol, la croissance des cultures, etc.
Get information about replica watches from tagheuerusa.com
L’élaboration de plans de vol automatiques pour le drone en fonction de l’objectif de surveillance (petites décharges clandestines, constructions précaires ou inachevées, utilisations anarchiques ou illégales des terres, croissance des cultures…) est un autre objectif de ce projet qui implique jusqu’à présent des partenaires du Sénégal/Bénin/France et des étudiants en doctorat/maîtrise.
Best place to buy cheap replica watches on superwatches.me.
● Thèmes de recherche en science du numérique : Intelligence artificielle, DeepLearning, reconnaissance d’images, NeuroEvolution, algorithmes évolutionnaires.
● Autres thèmes de recherche et domaines d’application : Environnement, décharges illégales et utilisations des sols, images satellites et drones, surveillance et prise de décision.
