Contributions à l'apprentissage de représentations en vision par ordinateur et télédétection

Contributions to representation learning in computer vision and remote sensing

• Auteur / Autrice : Paul Berg
• Direction : Nicolas Courty, Minh Tân Pham
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 13/12/2024
• Etablissement(s) : Lorient
• Ecole(s) doctorale(s) : École doctorale Mathématiques et sciences et technologies de l'information et de la communication en Bretagne Océane (Brest)
• Partenaire(s) de recherche : Laboratoire : Institut de recherche en informatique et systèmes aléatoires (Rennes)
• Jury : Président / Présidente : David Picard
• Jury : Examinateurs / Examinatrices : Ewa Kijak
• Jury : Rapporteurs / Rapporteuses : Dino Ienco, Loïc Landrieu

Mots clés

Mots clés contrôlés

Transport optimal de mesure

Vision par ordinateur

Apprentissage profond

Télédétection

Mots clés libres

Apprentissage de représentation

Representation learning

Remote sensing

Résumé

L'apprentissage profond est devenu un outil incontournable pour la résolution de tâches d’analyse d'images, notamment dans le domaine de la télédétection. En conséquence, les besoins en don- nées annotées ont considérablement augmenté. Cependant, l'annotation de données peut être coûteuse en temps et en moyens. Ainsi, tout un champ de la littérature s'intéresse à l'apprentissage de représentations d'images en réduisant la dépendance aux annotations par des méthodes dites autosupervisées. Les représentations apprises sont ensuite exploitables pour des tâches de vision grâce à leur nature discriminante par rapport aux labels de la tâche finale. Dans ce contexte, nous évaluons dans cette thèse comment ces méthodes peuvent être exploitées dans le domaine de la télédétection en s'intéressant à des tâches telles que la classification de scène multimodale pour laquelle nous proposons une méthode d'apprentissage autosupervisé. Nous mettons à profit le problème du transport optimal pour modéliser certains problèmes et proposer des contributions méthodologiques à l'apprentissage contrastif. Finalement, nous proposons d'aller au-delà des es- paces Euclidiens pour l'apprentissage de représentation en proposant une méthode de classifica- tion dans les espaces hyperboliques. Notre méthode qui est informée par la hiérarchie du jeu dedonnées permet d'améliorer les performances en classification hiérarchique.

Deep Learning has become an ubiquitous tool for the resolution of image analysis tasks, notably in the remote sensing domain. As such, the need for annotated data have largely increased. But, annotating data can be costly and time consuming. Therefore, a whole field of the literature is dedicated to image representation learning by decreasing the dependence to annotations using so called self-supervised methods. The learnt representations are then usable in downstream tasks because of their discriminative nature with respect to the labels. In this context, we evaluate in this thesis how these methods can be exploited in the remote sensing domain by investigating tasks such as multi-modal scene classification for which we propose a self-supervised framework. We leverage the optimal transport problem to model several problems et propose new methodological contributions to contrastive learning. Finally, we propose to go beyond Euclidean spaces for representation learning by proposing a new classification method in hyperbolic spaces. Our methodwhich is hierarchically-informed improves the performance in hierarchical classification.