Détail de l'auteur
Auteur Ronan Fablet |
Documents disponibles écrits par cet auteur (3)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externesShip identification and characterization in Sentinel-1 SAR images with multi-task deep learning / Clément Dechesne in Remote sensing, Vol 11 n° 24 (December-2 2019)
Titre : Ship identification and characterization in Sentinel-1 SAR images with multi-task deep learning Type de document : Article/Communication Auteurs : Clément Dechesne Année de publication : 2019 Projets : SESAME / Fablet, Ronan Article en page(s) : n° 2997 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'objet
[Termes IGN] détection de cible
[Termes IGN] image Sentinel-SAR
[Termes IGN] navire
[Termes IGN] objet mobileRésumé : (auteur) The monitoring and surveillance of maritime activities are critical issues in both military and civilian fields, including among others fisheries’ monitoring, maritime traffic surveillance, coastal and at-sea safety operations, and tactical situations. In operational contexts, ship detection and identification is traditionally performed by a human observer who identifies all kinds of ships from a visual analysis of remotely sensed images. Such a task is very time consuming and cannot be conducted at a very large scale, while Sentinel-1 SAR data now provide a regular and worldwide coverage. Meanwhile, with the emergence of GPUs, deep learning methods are now established as state-of-the-art solutions for computer vision, replacing human intervention in many contexts. They have been shown to be adapted for ship detection, most often with very high resolution SAR or optical imagery. In this paper, we go one step further and investigate a deep neural network for the joint classification and characterization of ships from SAR Sentinel-1 data. We benefit from the synergies between AIS (Automatic Identification System) and Sentinel-1 data to build significant training datasets. We design a multi-task neural network architecture composed of one joint convolutional network connected to three task specific networks, namely for ship detection, classification, and length estimation. The experimental assessment shows that our network provides promising results, with accurate classification and length performance (classification overall accuracy: 97.25%, mean length error: 4.65 m ± 8.55 m). Numéro de notice : A2019-632 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs11242997 Date de publication en ligne : 13/12/2019 En ligne : https://doi.org/10.3390/rs11242997 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95325
in Remote sensing > Vol 11 n° 24 (December-2 2019) . - n° 2997[article]
Titre : Editorial Type de document : Article/Communication Auteurs : Clément Mallet Année de publication : 2018 Projets : 1-Pas de projet / Fablet, Ronan Article en page(s) : pp 1 - 1 Langues : Français (fre) Numéro de notice : A2018-513 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : 10.52638/rfpt.2018.423 En ligne : https://doi.org/10.52638/rfpt.2018.423 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91267
in Revue Française de Photogrammétrie et de Télédétection > n° 217-218 (juin - septembre 2018) . - pp 1 - 1[article]
Titre : Accroissement stochastique de la résolution spatiale des traceurs géophysiques de l'océan : application aux observations satellitaires de la température de surface de l'océan Type de document : Article/Communication Auteurs : Brahim Boussidi, Auteur ; Ronan Fablet, Auteur ; Emmanuelle Autret, Auteur ; Bertrand Chapron, Auteur Année de publication : 2013 Article en page(s) : pp 66 - 78 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] image à très haute résolution
[Termes IGN] modèle stochastique
[Termes IGN] télédétection spatiale
[Termes IGN] température de surface de la mer
[Termes IGN] texture d'imageRésumé : (Auteur) Le développement des capteurs satellitaires d'observation des traceurs géophysiques à la surface de l'océan et les algorithmes de traitement associés ont connu un essor important au cours des vingt dernières années. Les différents capteurs satellitaires disponibles présentent des résolutions spatiales et temporelles différentes ainsi que différents niveaux de sensibilité à la couverture nuageuse. Dans le cas des images de température de surface de la mer, ceci se traduit notamment par de forts taux de données manquantes dans les observations de très haute-résolution (de l'ordre de 1 km x 1 km) contrairement aux observations de basse-résolution (de l'ordre de 25km x 25km). Il existe donc un enjeu fort pour exploiter conjointement les différentes sources d'information disponibles. Dans ce contexte, nous proposons un nouveau modèle stochastique de super-résolution basé sur une augmentation réaliste de l'information texturale des images. L'originalité de ce modèle réside dans la formulation d'à priori stochastiques sur la géométrie des images, qui sont caractéristiques des textures associées aux champs géophysiques à la surface de l'océan. Formellement, ce modèle consiste à modéliser les lignes de niveau de l'image comme des réalisations de marches aléatoires. Ce modèle stochastique s'étend naturellement à la simulation d'images haute-résolution à partir d'une observation basse-résolution. Cet article décrit la formulation mathématique du modèle proposé, ses caractéristiques théoriques ainsi que le schéma numérique mis en œuvre pour la super-résolution d'images texturées. L'application à la simulation haute-résolution de champs de température de surface de la mer dans une région active de l'océan (courant des Aiguilles) démontre sa pertinence dans le contexte applicatif de la télédétection satellitaire de l'océan. Nous en discutons également les principales contributions ainsi que les différentes extensions possibles. Numéro de notice : A2013-317 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.52638/rfpt.2013.52 En ligne : https://doi.org/10.52638/rfpt.2013.52 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32455
in Revue Française de Photogrammétrie et de Télédétection > n° 202 (Avril 2013) . - pp 66 - 78[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 018-2013021 RAB Revue Centre de documentation En réserve L003 Exclu du prêt
