BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen - ECPv5.7.0//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen
X-ORIGINAL-URL:https://www.greyc.fr
X-WR-CALDESC:évènements pour GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251204T140000
DTEND;TZID=Europe/Paris:20251204T153000
DTSTAMP:20260418T151221
CREATED:20251126T104656Z
LAST-MODIFIED:20251126T104656Z
UID:11992-1764856800-1764862200@www.greyc.fr
SUMMARY:Séminaire Image : "Méthodes d’apprentissage profond pour la détection et la caractérisation des satellites géostationnaires à partir d’images spectro-spatiales" Sidney Besnard
DESCRIPTION:Nous aurons le plaisir d’écouter Sidney Besnard\, doctorant au GREYC.\nIl donnera un séminaire IMAGE le jeudi 4 décembre 2025 à 14h en salle de séminaire F-200\, qui sera aussi la répétition de sa soutenance de thèse de la semaine d’après. \nTitre : « Méthodes d’apprentissage profond pour la détection et la caractérisation des satellites géostationnaires à partir d’images spectro-spatiales » \nRésumé :  \nL’environnement spatial terrestre n’est plus un domaine vide\, mais un environnement congestionné et hautement dynamique. Les grandes constellations densifient à la fois les ceintures orbitales et le spectre radio\, entraînant des émissions qui se chevauchent\, des reconfigurations rapides de charges utiles et une proximité accrue entre satellites. Dans ce contexte\, cette thèse aborde un défi central de la connaissance de la situation spatiale et spectrale : détecter et extraire l’empreinte radiofréquence (RF) des satellites en orbite géostationnaire (GEO) à partir de mesures RF spectro-spatiales passives. \nCe travail est motivé par les limitations de WeTrack™\, développé par Safran Data Systems (SDS)\, qui permet un suivi précis des positions et paramètres orbitaux des satellites mais requiert\, pour amorcer la première mesure\, une fenêtre fréquentielle et une position initiale du satellite\, des informations généralement ajustées manuellement ou issues de catalogues publics. Afin d’alléger cette dépendance\, SDS a développé le système WatchTower\, qui génère des images spectro-spatiales de l’ensemble de l’orbite géostationnaire. \nCependant\, exploiter de manière robuste les images spectro-spatiales de WatchTower implique d’analyser des scènes massives et ambiguës. Cette thèse explore plusieurs pistes de recherche guidées par une idée centrale : tirer parti de la physique intrinsèque des données pour informer les algorithmes d’apprentissage machine. Étant donné la rareté des annotations et la disponibilité limitée de vérité terrain\, en particulier pour l’activité spectrale\, les approches purement fondées sur les données se révèlent insuffisantes. En intégrant des modèles physiques dans la boucle d’apprentissage\, nous développons des méthodes efficaces qui améliorent la robustesse\, la généralisation et l’interprétabilité tout au long du manuscrit.
URL:https://www.greyc.fr/event/seminaire-image-methodes-dapprentissage-profond-pour-la-detection-et-la-caracterisation-des-satellites-geostationnaires-a-partir-dimages-spectro-spatiales-sidney-besnard/
LOCATION:ENSICAEN – Batiment F – Salle F-200\, 6 Bd Maréchal Juin\, Caen\, 14050\, France
CATEGORIES:General,Image,News,Seminaire Image
END:VEVENT
END:VCALENDAR