Retour vers toutes les offres de stages

Thumb

Stage

Mons

MULTITEL ASBL

Implémentation d’une solution de deep learning pour la détection de zones forestières au sein d’images hyperspectrales satellitaires

Description de l'entreprise

MULTITEL is a Research Centre in scientific technology supported by a multidisciplinary team including engineers and technicians, as well as a sales structure. Its aim consists in developing and implementing innovative projects in collaboration with local and international companies.

Multitel's scientific skills include voice technologies, data fusion, optic fibre applications, image processing, and computer network management. Besides its Research & Development activities, Multitel offers services in optics and telecom, and in company computer networks.

Description de la fonction

Suivre l’évolution des forêts est indispensable pour une gestion durable de ces ressources naturelles. Dans ce cadre, la télédétection et l’imagerie hyperspectrale s’avèrent être des outils précieux car ils rendent possible la création de cartes reprenant la distribution des ressources forestières. Parallèlement, les technologies de machine learning, boostées par les avancées récentes en deep learning, révolutionnent le monde de l’analyse d’images numériques.

L’objectif de ce stage sera de mettre en œuvre des méthodes de deep learning pour la classification des zones forestières au sein d’images satellitaires hyperspectrales (Sentinel 2). Dans un premier temps, le stagiaire effectuera un état de l’art succinct sur les méthodes existantes de classification d’images hyperspectrales et choisira la (les) méthode(s) à implémenter, en se basant préférentiellement sur des implémentations existantes en open-source. Il s’agira ensuite de mettre en œuvre la(les) méthode(s) choisies sur un set d’images hyperspectrales de référence où la localisation des zones forestières est connue. Les performances de la (des) méthode(s) implémentée(s) seront évaluées et ses (leurs) éventuelles limitations seront mises en exergue. A noter que dans le cadre d’un travail de fin d’études, des améliorations algorithmiques pourront également être proposées et testées par l’étudiant.

Ainsi, les différentes étapes de ce stage sont les suivantes:

Etat de l’art succinct des méthodes de classification d’images hyperspectrales;
Choix de la (des) méthode(s) à implémenter;
Prise en main des langages et librairies open-source nécessaires (Python, OpenCV, Keras…);
Mise en œuvre de la (des) méthode(s) choisie(s);
Evaluation sur le dataset de référence;
Amélioration des approches algorithmiques (en option si TFE);
Rédaction du rapport.

 

 

Profil recherché

Profil : Compétences en traitement du signal et d’image et en machine learning, connaissance du langage de développement Python et/ou C++, capacités d'analyse et de synthèse, autonomie, anglais souhaité.

Nous offrons

Possibilité d'embauche à l'issue du stage.

Postuler à cette offre
Uniquement pour étudiants de l'enseignement supérieur

Articles qui pourraient t'intéresser