Samuel Foucher, Ph. D.

Chercheur sénior en télédétection

Samuel Foucher
Équipe : Vision et imagerie

T 514 840-1235, poste 5481
@ samuel.foucher@crim.ca

Ph. D. en télédétection, Université de Sherbrooke et Université de Rennes 1, 2001

Samuel Foucher s'est joint au CRIM en 2002 pour apporter sa contribution scientifique aux projets de l'équipe, en particulier ceux impliquant la reconnaissance faciale, le traitement vidéo, la multimodalité et l'imagerie satellite. Il possède une formation spécialisée d’ingénieur en télécommunication et un doctorat en télédétection de l’Université de Sherbrooke. Ses domaines d’expertise couvrent le traitement d’images, l’imagerie satellite, les techniques multi-résolutions, la fusion de données et l'application de l'apprentissage profond à la télédétection. Il est chercheur principal sur des projets d’envergure touchant l’application des techniques d’apprentissage automatique aux données climatiques et à l’observation de la terre.

 

Portrait d'expert du CRIM : Découvrez Samuel Foucher  (4:16)

Retour à la liste

Nouvelles récentes

  • Bénéficiez du DATALAB et optimisez l'exploitation de vos données avec l'intelligence artificielle (IA)
    22/01/2020

    Un service d'accompagnement de 125 à 150 heures du CEFRIO et du CRIM qui a pour finalité la réalisation d’une feuille de route d’un projet en IA.

    +

Événement à venir

  • Transformation numérique - Secteur public - Événement Les Affaires
    29/01/20 7h00
    DoubleTree par Hilton, Montréal
    Le CRIM fier partenaire de la 1ère édition sur la Transformation numérique - Secteur public organisée par les Événement Les Affaires, qui se tiendra les 29 janvier 2020 au DoubleTree par Hilton, Montréal.
    +
  • TechnoMontreal RT @TechnoMontreal: ?? En ce début d'année, on vous dévoile l'étude d'impact économique de l'industrie #techno au Québec. Pour téléchargez…
  • #Événements @Genium360 - Concours Inventer le monde de demain - Soirée de remise de prix le 30 janvier 2020. Franço… https://t.co/hGyy5rvDMr

Publications récentes

  • On the use of Fisher Vector Encoding for Voice Spoofing Detection

    +
  • Deep learning speech recognition for low-resource languages

    +