Description  Classe de maître IA |Recensement automatique de la faune à partir d’imagerie drone ou aéroportée
-

Le Centre de recherche informatique de Montréal fait vivre l’innovation au sein des entreprises québécoises depuis plus de 35 ans. Les chercheurs et experts du CRIM sont reconnus à travers le monde pour leur capacité à transférer les connaissances scientifiques et technologiques du monde de la recherche aux entreprises en considérant leurs réalités et contraintes.La série de Classe de maître en intelligence artificielle (IA) est un rendez-vous pour les communautés scientifique et technologique désireuses d'apprendre à appliquer l'IA en pratique. La Classe de maître se déroule en une heure : une première période de 30-40 minutes est consacrée à une démonstration-application concrète de l'IA par un chercheur ou un expert du CRIM, suivie d'une période de questions de 20 minutes.
Recensement automatique de la faune à partir d’imagerie drone ou aéroportéeApplication des réseaux de neurones au suivi et à la préservation de la biodiversité.Les techniques de détection d’objets par apprentissage profond ont grandement impacté le recensement automatique de la faune à partir d’imagerie drone ou aéroportée.Une courte introduction présentera les enjeux et les grands principes de la détection d’objets. Nous explorerons ensuite l’adaptation de réseaux neuronaux de type ImageNet à un nouveau jeu de données sur les grands mammifères africains.La présentation s’adresse à un public déjà familier avec l’apprentissage profond, ou œuvrant en milieu de pratique, mais intéressé par le potentiel de ce type de technique.À propos du conférencierSamuel Foucher, Ph. D., chercheur sénior en télédétection au CRIMSamuel Foucher s'est joint au CRIM en 2002 pour apporter sa contribution scientifique aux projets de l'équipe, en particulier ceux impliquant la reconnaissance faciale, le traitement vidéo, la multimodalité et l'imagerie satellite. Il possède une formation spécialisée d’ingénieur en télécommunication et un doctorat en télédétection de l’Université de Sherbrooke. Ses domaines d’expertise couvrent le traitement d’images, l’imagerie satellite, les techniques multi-résolutions, la fusion de données et l'application de l'apprentissage profond à la télédétection. Il est chercheur principal sur des projets d’envergure touchant l’application des techniques d’apprentissage automatique appliquées aux données climatiques et d’observation de la terre.
Présentation en français - Ouvert à tous - Inscription préalable obligatoire.