Les Boursiers du réseau DSTN
Projet affilié : Deep4EnvMonitoring
CEA affilié : Université Gaston Berger / MITIC & Université d’Abomey-Calavi / SMIA
Titre : Hyper-réseau évolutif pour réseaux de neurones convolutifs (CNN) : application à la surveillance de l’environnement
YOUME Ousmane
Projet affilié : Deep4EnvMonitoring
CEA affilié : Université Gaston Berger / MITIC & Université d’Abomey-Calavi / SMIA
Titre : Hyper-réseau évolutif pour réseaux de neurones convolutifs (CNN) : application à la surveillance de l’environnement
Date de début : 01/01/2021
Problématique :
Les algorithmes évolutionnaires ont été pendant longtemps utilisé dans le domaine de l’intelligence artificielle notamment les réseaux de neurone : la Neuroévolution. La Neuroévolution génère des réseaux de neurones artificiels, des paramètres, une topologie et certaines règles. Elle est le plus souvent appliquée aux jeux, à la robotique évolutive… Elle permet l’évolution d’une population de réseaux de neurones faisant la même tâche tout en choisissant le meilleur réseau au fil des générations.
La recherche a montré que les neurones évolutifs peuvent jouer un rôle majeur dans le développement des systèmes visuels. Cependant, il n’est pas encore démontré ou pas suffisamment l’application des algorithmes évolutionnaires sur les réseaux de neurones à convolutions du fait de son architecture. Ce sujet consiste à combiner le Deep Learning notamment le CNN, les algorithmes évolutionnaires et les nouvelles techniques d’apprentissage tel que le self-supervising pour générer un modèle évolutif avec moins de données d’entraînement et une plus grande portée de reconnaissance et d’adaptation.
Nous l’appliquons dans le cadre de la télédétection (avec des drones ou des satellites) des altérations environnementales constatées dans les pays émergents telles que les décharges illégales, les habitats précaires ou inachevés, l’occupation anarchique des sols, etc.
Objectifs / Résultats attendus :
L’objectif global de ce projet de thèse est de démontrer la possibilité d’un encodage indirect des poids de réseaux de neurones à convolution constitués de milliers de connexions. Il permettra, en lieu et place d’un seul réseau profond faisant de la reconnaissance d’images, d’avoir un hyper réseau évolutif regroupant différents motifs avec la possibilité d’intégrer des motifs inconnus comme des constructions précaires ou inachevées, des usages anarchiques du sol, les inondations, etc.
Contribution / valeur ajoutée au projet affilié :
Dans une première phase, le programme de recherche doctoral fournira au projet un outil de suivi, de prédiction et d’aide à la décision en temps réel pour la détection, la localisation et la caractérisation des déchets. Les constructions précaires ou inachevées, les usages anarchiques du sol et autres pourraient être abordés à la fin du programme de doctorat.
Directeur de thèse : Prof. Jean Marie DEMBELE, ACE MITIC, Sénégal
Co-directeur de thèse : Prof. Eugène EZIN, ACE SMIA, Bénin
Autres contributeur à l’encadrement de la thèse : Prof. Christophe CAMBIER, Sorbonne-Université – IRD