EVERGREEN

L'équipe EVERGREEN travaille activement à la conception et à la mise en œuvre de techniques d'apprentissage automatique avancée afin d'exploiter efficacement les données d'observation de la Terre qui sont par nature hétérogènes et multitemporelles afin d'attaquer des nombreuses tâches en aval, notamment la cartographie de l'occupation des sols, la surveillance de la déforestation suite à l'utilisation des sols, l'estimation des variables forestières et la prédiction des rendements, pour n'en citer que quelques-unes.
Ces travaux s'attaquent directement aux modernes défis agro-environnementaux dans le but de fournir des outils et des connaissances pour une exploitation plus durable des ressources naturelles.
À cette fin, l'équipe se penche sur des questions de recherche fondamentales liées à la transférabilité des modèles de classification multimodale, à la conception de modèles d'apprentissage automatique pour les scénarios à faible régime de données et à l'interprétabilité et l'explicabilité des algorithmes de classification des données d'images et de séries temporelles. Cet aspect est étroitement lié à l'impératif de rendre gris les modèles de la boîte noire, en particulier dans le cadre de collaborations de recherche interdisciplinaires, telles que celles dans lesquelles l'équipe EVERGREEN opère quotidiennement.