Formation à distance:3 jours soit 21 heures
- Type : Formation qualifiante
- Durée : 3j, soit 21 heures
- Modalité : Formation à distance
- Versions : ENVI toutes versions
- Validation : 1 certificat de réalisation sera remis au donneur d’ordre et dans un deuxième temps une attestation de fin de formation reprenant les objectifs, la nature, la durée de l’action et les résultats atteints sera envoyée par mail à chaque stagiaire
- Prè-requis : Des notions minimum en informatiques sont indispensables.
- Public : Tout public
- Niveau : Standard
- Moyens : Accès illimité à la plateforme en ligne pendant 3 mois en toute autonomie, 24h/24h et 7/7 jours
- Pèdagogie : 15% de théorie, 85% de pratique : étude de cas, mise en situation, exercices d’évaluation.
- Comprendre les principes de l’intelligence artificielle et son application dans le traitement d’images géospatiales
- Apprendre à appliquer des techniques de classification d’images, de segmentation et de détection de changements en utilisant des outils d’IA dans ENVI
Introduction à l’Intelligence Artificielle (IA)
- Concepts de base de l’IA et de l’apprentissage automatique
- Présentation des algorithmes d’IA utilisés pour l’analyse d’images (réseaux de neurones, SVM, etc.)
- Préparation des données pour l’apprentissage automatique
Présentation de l’interface ENVI
- Le Menu principal
- Gestionnaire des couches
- Fenêtre d’affichage
- Boite à Outils
Acquisition et gestion des données de télédétection
- Téléchargement d’images satellites (Sentinel-2, Landsat)
- Sources ouvertes de données (Copernicus, EarthExplorer, etc.).
- Chargement et visualisation des images dans IDRISI
Introduction à l’IA et à l’apprentissage automatique (Machine Learning) dans ENVI
- Concepts de base : Algorithmes d’apprentissage supervisé et non supervisé.
- Principaux algorithmes utilisés : Réseaux de neurones (Deep Learning), SVM, k-NN, arbres de décision.
- Applications de l’IA en télédétection : classification, détection de changements, extraction d’informations
Préparation des données pour l’IA
- Sélection des zones d’intérêt (ROI) pour l’apprentissage supervisé.
- Création de jeux de données d’entraînement et de test.
- Introduction à la validation des modèles : matrices de confusion, indices de performance
Classification et segmentation d’images avec l’IA dans ENVI
- Classification supervisée avec ENVI
- Application des méthodes d’apprentissage supervisé avec des réseaux de neurones ou des machines à vecteurs de support (SVM).
- Choisir les meilleures caractéristiques et échantillons pour l’entraînement.
- Classification d’images à l’aide de l’outil ENVI.
- Segmentation d’images et IA
- Techniques de segmentation d’images pour extraire des objets d’intérêt (par exemple, zones urbaines, forêts, etc.).
- Application de méthodes de segmentation basées sur l’IA (réseaux de neurones convolutifs).
Détection de changements et applications avancées avec l’IA
- Détection de changements avec IA
- Analyse des changements dans les images satellites au fil du temps.
- Utilisation d’algorithmes d’IA pour détecter les différences dans les données temporelles (par exemple, urbanisation, déforestation).
- Validation et interprétation des résultats.
- Applications avancées
- Suivi des phénomènes environnementaux (analyse de la végétation avec NDVI et Deep Learning).
- Détection des objets et structures à partir d’images haute résolution.
- Utilisation de l’IA pour automatiser le traitement d’images massives et complexes
