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.