Samuel Foucher

par
Samuel Foucher

Sujet de recherche

« Mes expertises principales portent sur les plateformes scientifiques pour l’exploitation des données massives en observation de la Terre ainsi que l’application de l’apprentissage profond aux sciences de l’environnement. J’ai plus de 25 ans d’expérience en recherche et développement en milieu industriel dans différents domaines d’application. Mes autres domaines de compétences touchent au traitement d’image et en particulier l’imagerie SAR, l’analyse multi-échelle, la détection d’objets appliquée à l’inventaire faunique, la fusion de données et l’apprentissage automatique appliquée aux graphes.« 

Courriel

Samuel.Foucher@USherbrooke.ca

Projets en cours

  • De l’observation de la Terre à distance aux services d’information décisionnelle (DOTS). Conseil de Recherches en Sciences Naturelles et Génie du Canada (CRSNG).
  • Data Analytics for Canadian Climate Services. Fondation Canadienne pour l’Innovation (FCI). Cyber-Infrastructure.
  • CANARIE – GeoImageNet : plateforme web pour l’annotation et l’apprentissage profond sur les images satellites à très haute résolution spatiale​ – transfert  technologique (collaboration avec Prof. Yacine Bouroubi)
  • Resolution Enhancement of Satellite Imagery using Deep Learning Techniques. Conseil de Recherches en Sciences Naturelles et Génie du Canada (CRSNG).

Publications (sélection d’articles)

  • Tlili, A*; Cavayas, F; Foucher, S. (2021). A New Formulation of the Anisotropic Adaptive Gaussian Filter for Interferogram Filtering. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing (Article soumis).
  • Turgeon-Pelchat, M*; Foucher, S; Bouroubi, Y. (2021). Deep Learning-based Classification of Large-scale Airborne Lidar Point Cloud for Land Cover Applications. Canadian Journal of Remote Sensing (Article soumis).
  • Delplanque, A*; Foucher, S; Lejeune, P; Linchant, J; Théau, J. (2021). Multispecies detection and identification of African mammals in aerial imagery using convolutional neural networks. Remote Sensing in Ecology and Conservation (Article accepté).
  • De la Sablonnière, S*; Foucher, S; Yacine, Y; Lord, É; Vigneault, P. (2021). Riparian Buffer Characterization in Agricultural Environments using Multi-View Deep Convolutional Neural Networks (MVDCNN) and Satellite Images. Remote Sensing of Environment (Article soumis).
  • Mael, M*; Theau, J; Foucher, S. (2021). Train fast while reducing false positives: improving animal classification performance using Convolutional Neural Networks. Geomatics (Révision demandée).
  • Dahmane M, Alam J, St-Charles PL, Lalonde, M, Heffner K, Foucher S. (2020). A Multimodal Non-Intrusive Stress Monitoring from the Pleasure-Arousal Emotional Dimensions. IEEE Transactions on Affective Computing (Article accepté).
  • Tlili, A*; Cavayas, F; Foucher, S; Siles, G. (2020). A New Interferometric Phase Unwrapping Method Based on Energy Minimization from Contextual Modeling. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 13 6524-6532. (Article accepté).
  • Boulent, J*; St-Charles, P-L; Foucher, S; Theau, J. (2020). Automatic Detection of Flavescence Dorée Symptoms Across White Grapevine Varieties Using Deep Learning. Frontiers in Artificial Intelligence 3 96. (Article publié).
  • Boulent J*, St-Charles P-L, Foucher S, Theau J. (2020). Automatic detection of Flavescence dorée symptoms across white grapevine varieties using deep learning. Frontiers in Artificial Intelligence (Article soumis).
  • Boulent, J*; Foucher, S; Théau, J; St-Charles, P-L*. (2019). Convolutional Neural Networks for the Automatic Identification of Plant Pests and Diseases : a Review. Frontiers in Plant Science, section Technical Advances in Plant Science 10 (Article publié).