Descripteur
Documents disponibles dans cette catégorie (1366)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Unsupervised deep representation learning for real-time tracking / Ning Wang in International journal of computer vision, vol 129 n° 2 (February 2021)
[article]
Titre : Unsupervised deep representation learning for real-time tracking Type de document : Article/Communication Auteurs : Ning Wang, Auteur ; Wengang Zhou, Auteur ; Yibing Song, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 400 - 418 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] apprentissage profond
[Termes IGN] classification non dirigée
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de cible
[Termes IGN] filtre
[Termes IGN] objet mobile
[Termes IGN] oculométrie
[Termes IGN] reconnaissance d'objets
[Termes IGN] réseau neuronal siamois
[Termes IGN] temps réel
[Termes IGN] traçage
[Termes IGN] trajectoire (véhicule non spatial)
[Termes IGN] vision par ordinateurRésumé : (auteur) The advancement of visual tracking has continuously been brought by deep learning models. Typically, supervised learning is employed to train these models with expensive labeled data. In order to reduce the workload of manual annotation and learn to track arbitrary objects, we propose an unsupervised learning method for visual tracking. The motivation of our unsupervised learning is that a robust tracker should be effective in bidirectional tracking. Specifically, the tracker is able to forward localize a target object in successive frames and backtrace to its initial position in the first frame. Based on such a motivation, in the training process, we measure the consistency between forward and backward trajectories to learn a robust tracker from scratch merely using unlabeled videos. We build our framework on a Siamese correlation filter network, and propose a multi-frame validation scheme and a cost-sensitive loss to facilitate unsupervised learning. Without bells and whistles, the proposed unsupervised tracker achieves the baseline accuracy of classic fully supervised trackers while achieving a real-time speed. Furthermore, our unsupervised framework exhibits a potential in leveraging more unlabeled or weakly labeled data to further improve the tracking accuracy. Numéro de notice : A2021-353 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1007/s11263-020-01357-4 Date de publication en ligne : 21/09/2020 En ligne : https://doi.org/10.1007/s11263-020-01357-4 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97604
in International journal of computer vision > vol 129 n° 2 (February 2021) . - pp 400 - 418[article]Aleatoric uncertainty estimation for dense stereo matching via CNN-based cost volume analysis / Max Mehltretter in ISPRS Journal of photogrammetry and remote sensing, vol 171 (January 2021)
[article]
Titre : Aleatoric uncertainty estimation for dense stereo matching via CNN-based cost volume analysis Type de document : Article/Communication Auteurs : Max Mehltretter, Auteur ; Christian Heipke, Auteur Année de publication : 2021 Article en page(s) : pp 63 - 75 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] corrélation épipolaire dense
[Termes IGN] couple stéréoscopique
[Termes IGN] courbe épipolaire
[Termes IGN] disparité
[Termes IGN] effet de profondeur cinétique
[Termes IGN] image RVB
[Termes IGN] modèle d'incertitude
[Termes IGN] modèle stochastique
[Termes IGN] voxelRésumé : (auteur) Motivated by the need to identify erroneous disparity estimates, various methods for the estimation of aleatoric uncertainty in the context of dense stereo matching have been presented in recent years. Especially, the introduction of deep learning based methods and the accompanying significant improvement in accuracy have greatly increased the popularity of this field. Despite this remarkable development, most of these methods rely on features learned from disparity maps only, neglecting the corresponding 3-dimensional cost volumes. However, conventional hand-crafted methods have already demonstrated that the additional information contained in such cost volumes are beneficial for the task of uncertainty estimation. In this paper, we combine the advantages of deep learning and cost volume based features and present a new Convolutional Neural Network (CNN) architecture to directly learn features for the task of aleatoric uncertainty estimation from volumetric 3D data. Furthermore, we discuss and apply three different uncertainty models to train our CNN without the need to provide ground truth for uncertainty. In an extensive evaluation on three datasets using three common dense stereo matching methods, we investigate the effects of these uncertainty models and demonstrate the generality and state-of-the-art accuracy of the proposed method. Numéro de notice : A2021-012 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.11.003 Date de publication en ligne : 18/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.11.003 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96415
in ISPRS Journal of photogrammetry and remote sensing > vol 171 (January 2021) . - pp 63 - 75[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2021011 SL Revue Centre de documentation Revues en salle Disponible 081-2021013 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2021012 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Amélioration des résolutions spatiale et spectrale d’images satellitaires par réseaux antagonistes / Anaïs Gastineau (2021)
Titre : Amélioration des résolutions spatiale et spectrale d’images satellitaires par réseaux antagonistes Type de document : Thèse/HDR Auteurs : Anaïs Gastineau, Auteur ; Jean-François Aujol, Directeur de thèse ; Yannick Berthoumieu, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2021 Importance : 111 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur de l'Université de Bordeaux, spécialité Mathématiques appliquées et calcul scientifiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] fusion d'images
[Termes IGN] image multibande
[Termes IGN] image panchromatique
[Termes IGN] limite de résolution géométrique
[Termes IGN] limite de résolution spectrale
[Termes IGN] optimisation (mathématiques)
[Termes IGN] pansharpening (fusion d'images)
[Termes IGN] réseau antagoniste génératifIndex. décimale : THESE Thèses et HDR Résumé : (auteur) De plus en plus d'applications, telles que la cartographie ou la classification de l'occupation des sols, nécessitent des images hautes résolutions de la surface de la Terre, mais ces données ne sont pas toujours disponibles. Ainsi, cette thèse porte sur le problème de fusion d'images panchromatiques et multispectrales dans le but d'exploiter au mieux les richesses spatiale et spectrale de chacune de ces données. Pour atteindre cet objectif, cette thèse explore plusieurs aspects liés à l'optimisation du problème ou bien aux architectures considérées.De manière générale, la paramétrisation des réseaux convolutifs est souvent suffisante pour supporter la diversité des problèmes rencontrés. La base de données d'apprentissage est alors considérée comme le vecteur principal de conditionnement au problème traité. Ainsi, dans un contexte de réseaux antagonistes génératifs, nous proposons d'intégrer une modélisation plus fine du problème de "pansharpening" quant à la conception même du réseau. Nous avons également évalué l'impact sur les performances de reconstruction de différentes formulations de la fonctionnelle globale à minimiser tenant compte des spécificités de l'application.Dans un premier temps, nous étudions les différents types de régularisation existant dans un cadre variationnel pour ensuite utiliser cette connaissance afin d'ajouter ce type de contraintes géométrique et spectrale dans la fonction de perte du générateur.Dans un second temps, nous étudions des solutions liées aux architectures considérées pour le générateur et le discriminateur. En effet, nous proposons l'utilisation de plusieurs discriminateurs, chacun répondant à une tâche différente mais complémentaire. Le premier discriminateur se concentre sur la préservation de la résolution spatiale en prenant en compte la luminance et la composante infra-rouge, très informative d'un point de vue de la texture pour la végétation, des images satellites. Le second discriminateur préserve la résolution spectrale en comparant les composantes chromatiques Cb et Cr. Nous étudions également l'ajout de mécanismes d'attention dans le générateur. Nous considérons des mécanismes d'attention spatiale et spectrale pour améliorer la précision de reconstruction du générateur. En effet, ces mécanismes ont pour objectif d'attirer l'attention du générateur sur les parties de l'image les plus pertinentes pour améliorer le résultat.L'ensemble des pistes que nous avons explorées a conduit à des résultats convaincants, à la fois quantitatifs et visuels. En effet, nous avons pu observer une amélioration notable de la précision des reconstructions spatiale et spectrale, contribuant ainsi à résoudre le problème de fusion d'images panchromatique et multispectrale. Note de contenu : 1- Introduction
2- État-de-l’art général
3- Fusion d’images non locale préservant la géométrie basée sur les méthodes variationnelles
4- Reconstruction de la géométrie par l’utilisation de GANs
5- Préservation des résolutions spatiale et spectrale dans un cadre GAN basé multidiscriminateur
6- Reconstructions spatiale et spectrale basées sur l’utilisation de mécanismes d’attention
7- Conclusion : bilan et perspectivesNuméro de notice : 28630 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques appliquées et calcul scientifique : Bordeaux : 2021 Organisme de stage : Laboratoire de l'intégration du matériau au système DOI : sans En ligne : https://tel.hal.science/tel-03519655/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99620 An improved approach based on terrain-dependent mathematical models for georeferencing pushbroom satellite images / Behrooz Moradi in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 1 (January 2021)
[article]
Titre : An improved approach based on terrain-dependent mathematical models for georeferencing pushbroom satellite images Type de document : Article/Communication Auteurs : Behrooz Moradi, Auteur ; Mohammad Javad Valadan Zoej, Auteur ; Sayad Yaghoobi, Auteur ; Somayeh Yavari, Auteur Année de publication : 2021 Article en page(s) : pp 53 - 69 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] géoréférencement
[Termes IGN] image à haute résolution
[Termes IGN] image Geoeye
[Termes IGN] image Ikonos
[Termes IGN] Iran
[Termes IGN] modèle géométrique de prise de vue
[Termes IGN] modèle par fonctions rationnelles
[Termes IGN] modélisation 3DRésumé : (Auteur) Recently, linear features in remotely sensed imagery have gained much attention because of their unique characteristics compared to other control features. For georeferencing high-resolution satellite images, the observations in the mathematical equations (slope and y-intercept) of the corresponding control lines in the two spaces are considered the same based on recent studies. However, the use of such assumptions causes error and reduces the accuracy of registration. The aim of this article is to present a methodology based on a quasi-observation assumption in the mathematical equations in the process of georeferencing. Experimental results for IKONOS and GeoEye images over two different cities of Iran indicate that the quasi-observation assumption can increase the average registration accuracy up to 48.96% and 24.77% using 3D-affine and rational function models, respectively. This improvement in accuracy increases the processing time by 31.48% over traditional approaches; however, the proposed methodology can be regarded as an efficient solution. Numéro de notice : A2021-057 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.1.53 Date de publication en ligne : 01/01/2021 En ligne : https://doi.org/10.14358/PERS.87.1.53 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96768
in Photogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 1 (January 2021) . - pp 53 - 69[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2021011 SL Revue Centre de documentation Revues en salle Disponible Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images / Théo Mesure (2021)
Titre : Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images : Quelles possibilités d’automatisation ? Type de document : Mémoire Auteurs : Théo Mesure, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 63 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse diachronique
[Termes IGN] automatisation
[Termes IGN] calcaire
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification orientée objet
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] espèce végétale
[Termes IGN] géoréférencement indirect
[Termes IGN] image aérienne
[Termes IGN] Moselle (57)
[Termes IGN] Orfeo Tool Box
[Termes IGN] pelouse
[Termes IGN] protection de la biodiversitéIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’analyse fine et régulière des pelouses calcaires est un enjeu majeur dans le cadre des missions de gestion et de suivi scientifique du Conservatoire d’Espaces Naturels de Lorraine. Les pelouses sont des milieux semi-naturels, soumis à des dynamiques d’embroussaillement fortes et rapides si elles ne sont pas gérées régulièrement. A l’heure actuelle, le suivi de cette dynamique au Conservatoire se fait par analyse diachronique des photos aériennes mises à disposition. Cette analyse est complétée par une cartographie de terrain. Réalisée à la main, cette méthode est pour l’heure assez chronophage. Les travaux effectués au cours de ce stage se positionnent donc dans la continuité de ces études. Au vu des moyens technologiques actuels, le Conservatoire s’interroge sur la possibilité d’automatiser les cartographies d’occupation du sol, afin d’évaluer l’embroussaillement sur ses différents sites. Pour répondre à cette problématique, deux méthodes de classification supervisée ont été développées. Elles suivent le même principe et ne différent que par les données qu’on leur fournie. La première traite des images disposant de canal proche-infrarouge, tandis que la deuxième méthode se concentre elle sur les images ne disposant que du spectre visible. Pour procéder à la classification, les images sont segmentées grâce à l’algorithme de ligne de partage des eaux. On extrait aussi un certain nombre d’informations, directes ou dérivées, de ces images. Les attributs calculés ici, ont été déterminés pour fournir les meilleurs résultats sur la détection des pelouses calcaires. Enfin les segments créés sont donnés au classifieur RandomForest, afin qu’il les ordonne selon un ensemble de classes définies au préalable. Avec les méthodes développées, le classifieur parvient à trouver entre 80% et 90% de vrai positifs pour le type d’arbuste ou de pelouse, selon les années et les données en entrée. Des pistes d’amélioration ont aussi été explorées, telles que l’ajout de données externes ou le lissage de carte. Le deuxième objectif de ce stage était de pouvoir transmettre les méthodes de classification développées au plus grand nombre. Pour cela, des manuels utilisateurs ont été écrits, détaillant chacune des étapes nécessaires. Ces manuels donnent aussi les clefs de compréhension nécessaires à l’analyse des résultats et des attributs produits. A l’issu de ce stage, les perspectives sont nombreuses. Une telle méthodologie offre la possibilité d’un suivi plus régulier et détaillé des sites du Conservatoire. L’utilisation d’une méthode de classification orientée-objet, permet de prendre en compte le travail des experts sur le terrain, ainsi que d’intégrer plus facilement ces données au classifieur. Un travail sur les classes est aussi envisageable : en dehors du bâti, une simplification des classes de végétation est possible, et permettrait de faciliter le travail sur les images anciennes. Pour les images actuelles, un travail sur la nomenclature pourrait être utile pour améliorer le niveau de détail de la carte. En s’appliquant par exemple à différencier arbustes bas, pelouse non-gérée et pelouse non-gérée mitée (i.e avec un début d’embroussaillement). Enfin la faible configuration machine requise, permet d’imaginer des utilisations par un nombre plus grand d’acteurs. Note de contenu : Introduction
1. Contexte et présentation du stage
1.1 Présentation de la structure
1.2 Enjeux et objectifs
1.3 Présentation des sites
1.4 Déroulement et organisation du stage
1.5 Données à disposition
2. Recherches effectuées et principe de la méthode
2.1 Recherche des outils
2.2 Principe de fonctionnement
3. Description et création des attributs et des segments
3.1 Attributs spectraux
3.2 Attributs de texture
3.3 Attributs géométriques
3.4 Création des segments
3.5 Création de statistiques
4. Classifieur utilisé
4.1 SVM et RandomForest
4.2 Arbre de décision
4.3 Construction et fonctionnement du RandomForest
4.4 Jeu d’entraînement, jeu de validation
5. Résultats
5.1 Classes retenues
5.2 Cartes d’occupation du sol, images récentes
5.3 Cartes d’occupation du sol, images anciennes
5.4 Evaluation détaillée du classifieur
5.5 Statistiques d’occupation du sol
6. Limites et améliorations
6.1 Limites de la méthode
6.2 Limites de la nomenclature
6.3 Limites sur le panchromatique
6.4 Limites sur le RVB ancien
6.5 Limites sur l’évaluation du classifieur
6.6 Limites sur le géoréférencement
6.7 Améliorations possibles
7. Mise à disposition pour les utilisateurs du CENL
7.1 Outils utilisés pour automatiser
7.2 Rédaction et contenu des manuels
7.3 Limites
ConclusionNuméro de notice : 26620 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/FORET/IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Conservatoire des Espaces Naturels de Lorraine CENL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98584 Documents numériques
peut être téléchargé
Analyse de la dynamique d’embroussaillement des pelouses calcaires par traitement d’images - pdf auteurAdobe Acrobat PDF PermalinkApports des méthodes d'apprentissage profond pour la reconnaissance automatique des modes d'occupation des sols et d'objets par télédétection en milieu tropical / Guillaume Rousset (2021)PermalinkPermalinkAssessment of combining convolutional neural networks and object based image analysis to land cover classification using Sentinel 2 satellite imagery (Tenes region, Algeria) / N. Zaabar (2021)PermalinkPermalinkBenchmarking of convolutional neural network approaches for vegetation land cover mapping / Benjamin Carpentier (2021)PermalinkClustering et apprentissage profond sous contraintes pour l’analyse de séries temporelles : Application à l’analyse temporelle incrémentale en télédétection / Baptiste Lafabregue (2021)PermalinkConnecting images through time and sources: Introducing low-data, heterogeneous instance retrieval / Dimitri Gominski (2021)PermalinkPermalinkCorrecting misclassification errors in crowdsourced ecological data: A Bayesian perspective / Edgar Santos-Fernandez in Journal of the Royal Statistical Society: Series C Applied Statistics, vol 70 n° 1 (January 2021)PermalinkDeep convolutional neural networks for scene understanding and motion planning for self-driving vehicles / Abdelhak Loukkal (2021)PermalinkPermalinkDescription et recherche d’image généralisables pour l’interconnexion et l’analyse multi-source / Dimitri Gominski (2021)PermalinkDynamic committee machine with fuzzy-c-means clustering for total organic carbon content prediction from wireline logs / Yang Bai in Computers & geosciences, vol 146 (January 2021)PermalinkFrom point clouds to high-fidelity models - advanced methods for image-based 3D reconstruction / Audrey Richard (2021)PermalinkFuNet: A novel road extraction network with fusion of location data and remote sensing imagery / Kai Zhou in ISPRS International journal of geo-information, vol 10 n° 1 (January 2021)PermalinkPermalinkPermalinkHyperspectral and multispectral image fusion via graph Laplacian-guided coupled tensor decomposition / Yuanyang Bu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)PermalinkImage matching from handcrafted to deep features: A survey / Jiayi Ma in International journal of computer vision, vol 29 n° 1 (January 2021)Permalink