Application web dédiée à l'analyse et à la visualisation d'images satellites pour étudier les dynamiques territoriales. Elle permet de superposer des couches géographiques, de suivre l'évolution des zones urbaines et naturelles, et de générer des rapports visuels. Les utilisateurs peuvent explorer des données spatiales et temporelles pour soutenir des décisions en urbanisme, environnement ou gestion des risques.

Ce projet vise à former des modèles de segmentation d'images satellites pour la détection d'objets tels que les bâtiments, les routes et les zones agricoles. Il utilise des données géospatiales pour fournir des informations exploitables pour la gestion des ressources naturelles et la surveillance environnementale.

Projet de recherche dédié à la détection automatisée des ombres dans les images satellites à haute résolution. Il permet d'identifier et de cartographier les zones d'ombre pour des applications en télédétection, urbanisme, gestion des risques naturels ou encore analyse environnementale. Le système utilise des modèles d'apprentissage profond entraînés sur un jeu de données dédié, offrant une solution robuste pour l'analyse des paysages urbains et naturels.

Ce projet vise à identifier et analyser les tourbillons océaniques (eddies) à partir de données satellites et de modèles numériques. Il permet aux chercheurs en océanographie et en climatologie d'étudier les dynamiques des courants marins, d'améliorer les modèles de prévision climatique et de mieux comprendre les interactions entre l'océan et l'atmosphère. Les résultats contribuent à des applications variées, allant de la gestion des ressources marines à l'étude des impacts du changement climatique.

Ce projet vise à détecter et analyser les cyclones en utilisant les données fournies par l'instrument IASI (Interféromètre Atmosphérique de Sondage Infrarouge) embarqué sur des satellites. Grâce à des modèles avancés d'intelligence artificielle, notamment des réseaux de neurones comme YOLO, il permet une identification précise et en temps réel des phénomènes cycloniques, facilitant ainsi la prévention et la gestion des risques naturels.

VisuInsar est un plugin pour QGIS qui permet d'analyser et de visualiser les déformations du sol à partir de données InSAR (interférométrie radar par satellite). Il facilite l'étude des mouvements de terrain, des glissements de terrain ou des affaissements miniers pour les géologues, les ingénieurs et les chercheurs. L'outil intègre des fonctionnalités de traitement et de cartographie pour aider à la prise de décision dans la gestion des risques naturels.

MAJA est un logiciel open source développé par le CNES, le CESBIO et CS GROUP pour le traitement d'images satellites. Il permet de corriger les effets atmosphériques, de détecter les nuages et d'estimer l'épaisseur optique des aérosols. Utilisé principalement pour les missions Sentinel-2, Landsat-8 et Venus, il améliore la qualité des données pour des applications en agriculture, environnement et gestion des territoires.

Ce projet développe des modèles d'intelligence artificielle pour améliorer la résolution des images satellites Sentinel-2. Il permet de générer des images haute résolution à partir de données multispectrales, facilitant l'analyse fine des surfaces terrestres. Les applications incluent la surveillance environnementale, l'agriculture de précision et la gestion des risques naturels. Les modèles sont entraînés en auto-supervision pour s'adapter à différentes configurations d'entrée.

Ce projet est une unité d'enseignement (UE) proposée par l'Université Lyon 1 dans le cadre du Master 2 en Technologies de l'Information et du Web. Il couvre la gestion de grandes masses de données, les systèmes de gestion de bases de données (SGBD), le MapReduce avec Spark, et les flux de données avec Storm. Les étudiants y apprennent les techniques de tuning et d'optimisation des performances des SGBD ainsi que les concepts avancés du Big Data.