Cartographie de l'utilisation des terres dans les Alpes

Cette séance de cours couvre l'analyse de l'étanchéité des sols en Suisse, en mettant l'accent sur l'impact des surfaces scellées sur les fonctions du sol et le développement durable. Il traite de l'utilisation des images Landsat 8 et des données de la couverture terrestre de Corine pour les statistiques d'utilisation des terres. La séance de cours se penche également sur le processus de segmentation des images, le calcul des caractéristiques et la formation de classificateurs forestiers aléatoires pour la classification de la couverture terrestre. En outre, il explore les défis des ensembles de données déséquilibrés, de l'augmentation des données et de l'évaluation des modèles. La présentation se termine par les présentations des groupes de projet sur des sujets tels que la surveillance du trafic, la cartographie forestière et la cartographie des lacs à l'aide de méthodes d'apprentissage automatique.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (80)

Concepts associés (209)

ENV-540: Image processing for Earth observation

This course covers optical remote sensing from satellites and airborne platforms. The different systems are presented. The students will acquire skills in image processing and machine/deep learning to

Medical image computing

Medical image computing (MIC) is an interdisciplinary field at the intersection of computer science, information engineering, electrical engineering, physics, mathematics and medicine. This field develops computational and mathematical methods for solving problems pertaining to medical images and their use for biomedical research and clinical care. The main goal of MIC is to extract clinically relevant information or knowledge from medical images.

Analyse d'image

L'analyse d'image est la reconnaissance des éléments et des informations contenus dans une . Elle peut être automatisée lorsque l'image est enregistrée sous forme numérique, au moyen d'outils informatiques. Les tâches relevant de l'analyse d'image sont multiples, depuis la lecture de codes-barres, jusqu'à la reconnaissance faciale. L'analyse d'image intervient également dans le domaine de l'art et du graphisme, pour l'interprétation des compositions et signifiants.

Forêt

alt=|vignette|344x344px|Forêt tropicale d'Amérique du Sud vignette|upright=1.3|Vue intérieure d'une forêt tempérée mixte en France. vignette|upright=1.3|Bush australien. vignette|upright=1.3|Forêt inondée en Pologne. vignette|upright=1.3|Forêt tempérée de résineuxîles San Juan, État de Washington. Une forêt ou un massif forestier est un écosystème, relativement étendu, constitué principalement d'un d'arbres, arbustes et arbrisseaux (fruticée), ainsi que de l'ensemble des autres espèces qui lui sont associées et qui vivent en interaction au sein de ce milieu.

Système de classeurs

Un système de classeurs (Learning Classifier System ou LCS en anglais) est un système d'apprentissage automatique utilisant l'apprentissage par renforcement et les algorithmes génétiques. Ils ont été introduits par Holland en 1977 et développé par Goldberg en 1989 Un système de classeurs (aussi appelé classifiers) est composé d'une base de règles, appelée classeur, associés à un poids. Chaque règle est composée d'une partie condition et d'une partie action. Le classeur commence par être initialisé (aléatoirement ou non).

Forêt de nuage

La forêt de nuage est un type de forêt humide qu'on trouve généralement en milieu tropical de montagne, entre et d'altitude, portant également le nom de forêt nébuleuse, forêt orophile (« aimant la montagne »), nebelwald (nom allemand) ou forêt brumeuse (expression historiquement employée). Le terme forêt de nuage vient de l'anglais cloud forest du fait que ces forêts baignent dans un brume quasi-permanente. Les forêts de nuage existent aussi en zone tempérée, mais y sont plus rares et moins étendues.

Modèles Vision-Langue-Action : Formation et applications

Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.

Introduction à la science des données ENG-209: Data science for engineers with Python

Introduit les bases de la science des données, couvrant les arbres de décision, les progrès de l'apprentissage automatique et l'apprentissage par renforcement profond.

Arbres de décision: Classification ENG-209: Data science for engineers with Python

Explore les arbres de décision pour la classification, l'entropie, le gain d'information, l'encodage à chaud, l'optimisation de l'hyperparamètre et les forêts aléatoires.

Évaluation du modèle

Explore le sous-ajustement, le surajustement, les hyperparamètres, le compromis biais-variance et l'évaluation de modèle dans l'apprentissage automatique.

Classification d'image: Arbres de décision et forêts aléatoires ENV-540: Image processing for Earth observation

Explore la classification des images en utilisant des arbres de décision et des forêts aléatoires pour réduire la variance et améliorer la robustesse du modèle.