Distillation de modèles IA efficaces en ressources pour la cartographie rapide à partir d’images satellitaires multicapteurs – DREAMS

La cartographie rapide des catastrophes (CRC) utilisant l'imagerie satellite à très haute résolution (THR) est cruciale pour une gestion efficace des crises. Cependant, l'utilisation optimale de diverses sources d'images THR pour cette tâche pose un défi important en raison du décalage des distributions des caractéristiques des capteurs et des conditions d'acquisition. L'apprentissage profond a eu un impact significatif sur la télédétection spatiale et devrait fournir des solutions efficaces pour la CRC. Toutefois, la taille considérable de ces modèles crée des enjeux majeurs en termes de ressources de calcul, ce qui non seulement réduit la capacité de réponse rapide à la CRC, mais aussi contribue aux impacts négatifs sur l’environnement. Par conséquent, le développement de modèles IA pour traiter efficacement de grandes quantités de données avec une supervision limitée et des ressources de calcul limitées devient une solution vitale dans un contexte opérationnel. Le projet de recherche DREAMS a pour objectif de développer des modèles IA efficaces en ressources pour la CRC à partir de l'imagerie satellite THR de multi-sources, en relevant quatre défis principaux : la rareté des étiquettes, la prédiction rapide, la multimodalité et la durabilité. Pour évaluer et valider les résultats du projet, deux cas d'usage de CRC sont ciblés en collaboration avec un service opérationnel de cartographie rapide et un comité d’experts, y compris la cartographie des incendies et la cartographie des glissements de terrain. DREAMS a pour but de fournir des solutions de pointe en IA pour la CRC avec l’objectif d’une intégration des modèles développés dans des pipelines opérationnels pour l’utilisation publique. En outre, DREAMS devrait promouvoir les collaborations interdisciplinaires entre les chercheurs en IA, les ingénieurs opérationnels et les spécialistes du domaine, en attirant leur attention sur le développement de modèles d’IA efficace pour limiter les impacts environnementaux.