Programme
Maîtrise en géomatique appliquée, cheminement environnements géographiques
Directeurs de recherche
Lynda Bellalite (codirectrice), Yacine Bouroubi (directeur), Samuel Foucher (externe)
Domaine de recherche
Caractérisation de corridors piétonniers : extraction automatique d’entités géographiques sur des images panoramiques urbaines par réseaux de neurones convolutifs
L’état des corridors piétonniers, comme les trottoirs, a un impact déterminant sur la mobilité des personnes à mobilité réduite, leur participation à la vie sociale et leur état de santé physique. Un suivi automatisé de ces corridors, à l’instar de celui qui est actuellement développé pour le réseau routier dans plusieurs grandes villes, permettrait d’alléger les coûts liés aux relevés manuels à des fins d’entretien régulier. Ce projet de maîtrise vise à bonifier les facteurs pris en compte par un outil de planification de trajets afin qu’il réponde mieux aux besoins de mobilité de ce type d’usagers.
Depuis l’avènement des réseaux de neurones convolutifs (CNN) en reconnaissance visuelle, les applications liées à ces nouveaux outils d’apprentissage machine ne cessent de se multiplier. Les CNN présentent un intérêt majeur dans l’application des techniques de vision par ordinateur en télédétection. L’objectif principal des travaux présentés consiste à développer une méthode permettant de caractériser automatiquement les trottoirs et autres corridors piétonniers. Pour ce faire, un jeu de données a été constitué à partir d’images de scènes urbaines Google Street View couvrant 25 kilomètres du réseau routier de Sherbrooke. Puis, une segmentation sémantique par pixel et une classification sont appliquées afin de détecter et caractériser les trottoirs, selon l’état et le type de revêtement. Une approche d’apprentissage par transfert est privilégiée afin de tirer profit de grands jeux de données annotées, comme Cityscapes.
Contact
514 515-9363