| Titre : | Détection de changements des zones humides au Maroc par apprentissage profond (Deep Learning) |
| Auteurs : | BOUGAIR;OUJAMAA, Auteur ; HAJJI Hicham, Auteur ; KECHNA Mehdi, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2023 |
| Format : | 117 |
| Langues: | Français |
| Mots-clés: | détection de changement d'image ; mécanisme d'attention ; apprentissage profond ; Réseau de Neurones Spatio-Temporels (STANet) ; réseaux entièrement convolutifs (FCN). |
| Résumé : |
Les zones humides sont essentielles pour la biodiversité et offrent d'importants avantages économiques et environnementaux. Cependant, elles sont menacées par des changements tels que la perte et la dégradation, ainsi que les effets du changement climatique. Il est crucial de protéger ces écosystèmes vulnérables pour préserver la biodiversité et les services qu'ils fournissent. L'objectif de cette étude est de créer une base de données d'entraînement pour la détection des changements, incluant la régression d'eau et le stress hydrique, dans les zones humides au Maroc, tout en explorant de nouvelles techniques d'intelligence artificielle. Nous avons utilisé un réseau de neurones avec un mécanisme d'auto-attention. Contrairement aux méthodes traditionnelles qui traitent séparément les images prises à différents moments sans tenir compte des relations spatiales et temporelles, notre approche utilise l'auto-attention pour modéliser ces relations. Nous avons intégré un module d'auto-attention dans la procédure d'extraction des caractéristiques, permettant de calculer les poids d'attention entre les pixels à différents moments et positions, pour générer des caractéristiques plus distinctives. Notre modèle est capable de générer des cartes de changement précises qui permettent d'identifier les variations survenues entre deux images prises à des dates différentes. Les résultats obtenus présentent 88% de précision, un rappel de 78% et un IoU (indice de similarité) de 70%. |
| En ligne : | http://10.2.0.27//cda/ebooks/BOUGAIR_OUJAMAA_2023.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041158 | 9977 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
