Descripteur
Documents disponibles dans cette catégorie (8221)
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
Application of machine learning techniques for evidential 3D perception, in the context of autonomous driving / Edouard Capellier (2020)
Titre : Application of machine learning techniques for evidential 3D perception, in the context of autonomous driving Type de document : Thèse/HDR Auteurs : Edouard Capellier, Auteur ; Véronique Berge-Cherfaoui, Directeur de thèse ; Franck Davoine, Directeur de thèse Editeur : Compiègne : Université de Technologie de Compiègne UTC Année de publication : 2020 Importance : 123 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du grade de Docteur de l'UTC, Robotique et Sciences et Technologies de l'Information et des SystèmesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] carte routière
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'objet
[Termes IGN] données lidar
[Termes IGN] image RVB
[Termes IGN] intelligence artificielle
[Termes IGN] navigation autonome
[Termes IGN] segmentation sémantique
[Termes IGN] théorie de Dempster-Shafer
[Termes IGN] vision par ordinateur
[Termes IGN] visualisation 3DIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The perception task is paramount for self-driving vehicles. Being able to extract accurate and significant information from sensor inputs is mandatory, so as to ensure a safe operation. The recent progresses of machine-learning techniques revolutionize the way perception modules, for autonomous driving, are being developed and evaluated, while allowing to vastly overpass previous state-of-the-art results in practically all the perception-related tasks. Therefore, efficient and accurate ways to model the knowledge that is used by a self-driving vehicle is mandatory. Indeed, self-awareness, and appropriate modeling of the doubts, are desirable properties for such system. In this work, we assumed that the evidence theory was an efficient way to finely model the information extracted from deep neural networks. Based on those intuitions, we developed three perception modules that rely on machine learning, and the evidence theory. Those modules were tested on real-life data. First, we proposed an asynchronous evidential occupancy grid mapping algorithm, that fused semantic segmentation results obtained from RGB images, and LIDAR scans. Its asynchronous nature makes it particularly efficient to handle sensor failures. The semantic information is used to define decay rates at the cell level, and handle potentially moving object. Then, we proposed an evidential classifier of LIDAR objects. This system is trained to distinguish between vehicles and vulnerable road users, that are detected via a clustering algorithm. The classifier can be reinterpreted as performing a fusion of simple evidential mass functions. Moreover, a simple statistical filtering scheme can be used to filter outputs of the classifier that are incoherent with regards to the training set, so as to allow the classifier to work in open world, and reject other types of objects. Finally, we investigated the possibility to perform road detection in LIDAR scans, from deep neural networks. We proposed two architectures that are inspired by recent state-of-the-art LIDAR processing systems. A training dataset was acquired and labeled in a semi-automatic fashion from road maps. A set of fused neural networks reaches satisfactory results, which allowed us to use them in an evidential road mapping and object detection algorithm, that manages to run at 10 Hz Note de contenu : 1- Introduction
2- Machine learning for perception in autonomous driving
3- The evidence theory, and its applications in autonomous driving
4- A synchronous evidential grid mapping from RGB images and LIDAR scans
5- Evidential LIDAR object classification
6- Road detection in LIDAR scans
7- Application of RoadSeg:evidential road surface mapping
8- ConclusionNuméro de notice : 25895 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Robotique et Sciences et Technologies de l'Information et des Systèmes : UTC : 2020 Organisme de stage : Laboratoire Heudiasyc nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-02897810v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96013
Titre : Applications of remote sensing in coastal areas Type de document : Monographie Auteurs : Konstantinos Topouzelis, Éditeur scientifique ; Apostolos Papakonstantinou, Éditeur scientifique ; Siman Singha, Éditeur scientifique ; et al., Auteur Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 288 p. Format : 16 x 23 cm ISBN/ISSN/EAN : 978-3-03928-659-1 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] analyse d'image orientée objet
[Termes IGN] classification orientée objet
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] classification pixellaire
[Termes IGN] détection de contours
[Termes IGN] données lidar
[Termes IGN] érosion côtière
[Termes IGN] falaise
[Termes IGN] habitat (nature)
[Termes IGN] herbier marin
[Termes IGN] image PlanetScope
[Termes IGN] modèle numérique de surface
[Termes IGN] surveillance du littoralRésumé : (éditeur) Coastal areas are remarkable regions with high spatiotemporal variability. A large population is affected by their physical and biological processes—resulting from effects on tourism to biodiversity and productivity. Coastal ecosystems perform several critical ecosystem services and functions, such as water oxygenation and nutrients provision, seafloor and beach stabilization (as sediment is controlled and trapped within the rhizomes of the seagrass meadows), carbon burial, as areas for nursery, and as refuge for several commercial and endemic species. Knowledge of the spatial distribution of marine habitats is prerequisite information for the conservation and sustainable use of marine resources. Remote sensing from UAVs to spaceborne sensors is offering a unique opportunity to measure, analyze, quantify, map, and explore the processes on the coastal areas at high temporal frequencies. This Special Issue on “Application of Remote Sensing in Coastal Areas” is specifically addresses those successful applications—from local to regional scale—in coastal environments related to ecosystem productivity, biodiversity, sea level rise. Note de contenu : 1- Monitoring cliff erosion with LiDAR surveys and Bayesian network-based data analysis
2- Cubesats allow high spatiotemporal estimates of satellite-derived bathymetry
3- Comparison of Pixel- and object-based classification methods of unmanned aerial vehicle data applied to coastal dune vegetation communities: Casal Borsetti case stud
4- Capturing coastal dune natural vegetation types using a phenology-based mapping approach: The potential of Sentinel-2
5- Sub-pixel waterline extraction: Characterising accuracy and sensitivity to indices and spectra
6- Satellite observations of wind wake and associated oceanic thermal responses: A case study of Hainan Island wind wake
7- Comparison of true-color and multispectral unmanned aerial systems imagery for marine habitat mapping using object-based image analysis
8- Spatial and temporal variability of open-ocean barrier islands along the Indus Delta region
9- Characterizing and monitoring ground settlement of marine reclamation land of Xiamen New Airport, China with Sentinel-1 SAR datasets
10- Deriving high spatial-resolution coastal topography from sub-meter satellite stereo imagery
11- Photon-counting Lidar: An adaptive signal detection method for different land cover types in coastal area
12- Automatic semi-global artificial shoreline subpixel localization algorithm for Landsat imagery
13- Analysis of ship detection performance with full-, compact- and dual-polarimetric SAR
14- Sea ice extent detection in the Bohai Sea using Sentinel-3 OLCI dataNuméro de notice : 28689 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-03928-659-1 En ligne : https://doi.org/10.3390/books978-3-03928-659-1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100128
Titre : Approche bayésienne pour la sélection de modèles : Application à la restauration d’image Type de document : Thèse/HDR Auteurs : Benjamin Harroué, Auteur ; Jean-François Giovannelli, Directeur de thèse ; Marcela Pereyra, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2020 Importance : 102 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur en Automatique, Productique, Signal et Image, Ingénierie cognitiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] déconvolution
[Termes IGN] échantillonnage de Gibbs
[Termes IGN] estimation bayesienne
[Termes IGN] fonction harmonique
[Termes IGN] matrice de covariance
[Termes IGN] problème inverse
[Termes IGN] processus gaussien
[Termes IGN] reconstruction d'image
[Termes IGN] restauration d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’inversion consiste à reconstruire des objets d’intérêt à partir de données acquises au travers d’un système d’observation. Dans ces travaux, nous nous penchons sur la déconvolution d’image. Les données observées constituent une version dégradée de l’objet, altéré par le système (flou et bruit). A cause de la perte d’informations engendrée, le problème devient alors mal conditionné. Une solution est de régulariser dans un cadre bayésien : en se basant sur des modèles, on introduit de l’information a priori sur les inconnues. Se posent alors les questions suivantes : comment comparer les modèles candidats et choisir le meilleur ? Sur quel critère faut-il s’appuyer ? A quelles caractéristiques ou quantités doit-on se fier ? Ces travaux présentent une méthode de comparaison et de sélection automatique de modèles, fondée sur la théorie de la décision bayésienne. La démarche consiste à sélectionner le modèle qui maximise la probabilité a posteriori. Pour calculer ces dernières, on a besoin de connaître une quantité primordiale : l’évidence. Elle s’obtient en marginalisant la loi jointe par rapport aux inconnus : l’image et les hyperparamètres. Les dépendances complexes entre les variables et la grande dimension de l’image rendent le calcul analytique de l’intégrale impossible. On a donc recours à des méthodes numériques. Dans cette première étude, on s’intéresse au cas gaussien circulant. Cela permet, d’une part, d’avoir une expression analytique de l’intégrale sur l’image, et d’autre part, de faciliter la manipulation des matrices de covariances. Plusieurs méthodes sont mises en œuvre comme l’algorithme du Chib couplé à une chaîne de Gibbs, les power posteriors, ou encore la moyenne harmonique. Les méthodes sont ensuite comparées pour déterminer lesquelles sont les plus adéquates au problème de la restauration d’image. Note de contenu : 1- Introduction
2- Sélection de modèles et calcul de l’évidence : état de l’art
3- Sélection de modèles sur observation directe
4- Sélection de modèles sur observation indirecte
5- Sélection de modèles sur données réelles
6- Conclusion : bilan et perspectivesNuméro de notice : 28558 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Automatique, Productique, Signal et Image, Ingénierie cognitique : Bordeaux : 2020 nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-03065948/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97587 Assessment of ArcGIS based extraction of geoidal undulation compared to National Geospatial Intelligence Agency (NGA) model – A case study / Sher Muhammad in Journal of applied geodesy, vol 14 n° 1 (January 2020)
[article]
Titre : Assessment of ArcGIS based extraction of geoidal undulation compared to National Geospatial Intelligence Agency (NGA) model – A case study Type de document : Article/Communication Auteurs : Sher Muhammad, Auteur ; Lide Tian, Auteur Année de publication : 2020 Article en page(s) : pp 77 - 81 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie physique
[Termes IGN] altitude orthométrique
[Termes IGN] détection d'erreur
[Termes IGN] Earth Gravity Model 1996
[Termes IGN] ellipsoïde (géodésie)
[Termes IGN] géoïde altimétrique
[Termes IGN] Himalaya
[Termes IGN] interpolation
[Termes IGN] Matlab
[Termes IGN] modèle numérique de surface
[Termes IGN] niveau moyen des mers
[Termes IGN] TibetRésumé : (auteur) Global Navigation Satellite System (GNSS) and remote sensing Digital Elevation Models (DEMs) represent earth’s surface elevation with reference to ellipsoid and orthometric heights. Proper estimation of the geoid (difference of ellipsoid and orthometric heights) is necessary before comparing data referenced to the different vertical datum. In this paper, an error in estimating EGM96 orthometric height is highlighted, verified by NGA/NASA developed model and MATLAB®. A significant error was found in the ArcGIS derived EGM96 orthometric heights range between ±6.9 meters. In addition, interpolation of low-resolution geoid data also produces significant biases depending on geographic location and the number of the interpolation data point. The bias was maximum negative in the central part of Tibetan Plateau and Himalaya. Therefore, estimation of orthometric height similar to NGA/NASA model precision is necessary for comparison of DEMs for natural resources management, 3D modelling and glaciers mass balance mainly in the mountainous regions. Numéro de notice : A2020-041 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1515/jag-2019-0030 En ligne : https://doi.org/10.1515/jag-2019-0030 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94512
in Journal of applied geodesy > vol 14 n° 1 (January 2020) . - pp 77 - 81[article]Autocovariance-based perceptual textural features corresponding to human visual perception / N. Abbadeni (2020)
Titre : Autocovariance-based perceptual textural features corresponding to human visual perception Type de document : Article/Communication Auteurs : N. Abbadeni, Auteur ; D. Ziou, Auteur ; Shengrui Wang, Auteur Editeur : New-York : IEEE Computer society Année de publication : 2020 Conférence : ICPR 2000, 15th International Conference on Pattern Recognition 03/09/2000 07/09/2000 Barcelone Espagne Proceedings IEEE Importance : pp. 901 - 904 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] covariance
[Termes IGN] psychologie
[Termes IGN] reconnaissance de formes
[Termes IGN] texture d'image
[Termes IGN] visionRésumé : (auteur) It has been shown that humans use some perceptual textural features such as coarseness, contrast and direction to distinguish between textured images or regions. The aim of this paper is to present a new method to estimate these perceptual textural features using the autocovariance function. Computational measures derived from the autocovariance function to estimate these perceptual textural features are presented. Experimental results are then given and the correspondence between the computational measures proposed and the psychological measures is shown using some psychometric method. Numéro de notice : C2000-027 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICPR.2000.903689 Date de publication en ligne : 06/08/2002 En ligne : https://doi.org/10.1109/ICPR.2000.903689 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103263 Automatic scale estimation of structure from motion based 3D models using laser scalers in underwater scenarios / Klemen Istenič in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)PermalinkC band radar crops monitoring at high temporal frequency: first results of the MOCTAR campaign / Pierre-Louis Frison (2020)PermalinkCamera orientation, calibration and inverse perspective with uncertainties: a Bayesian method applied to area estimation from diverse photographs / Grégoire Guillet in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)PermalinkCartographie sémantique hybride de scènes urbaines à partir de données image et Lidar / Mohamed Boussaha (2020)PermalinkCattle detection and counting in UAV images based on convolutional neural networks / Wen Shao in International Journal of Remote Sensing IJRS, vol 41 n° 1 (01 - 08 janvier 2020)PermalinkClassification of poplar trees with object-based ensemble learning algorithms using Sentinel-2A imagery / H. Tombul in Journal of geodetic science, vol 10 n° 1 (January 2020)PermalinkPermalinkContext-aware convolutional neural network for object detection in VHR remote sensing imagery / Yiping Gong in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)PermalinkContribution à la segmentation et à la modélisation 3D du milieu urbain à partir de nuages de points / Tania Landes (2020)PermalinkConvolutional neural networks for change analysis in earth observation images with noisy labels and domain shifts / Rodrigo Caye Daudt (2020)PermalinkPermalinkPermalinkPermalinkDeep learning for remote sensing images with open source software / Rémi Cresson (2020)PermalinkPermalinkDétection et vectorisation automatiqued’objets linéaires dans des nuages de points de voirie / Etienne Barçon (2020)PermalinkDéveloppement de la photogrammétrie et d'analyses d'images pour l'étude et le suivi d'habitats marins / Guilhem Marre (2020)PermalinkPermalinkPermalinkEtudes des dynamiques spatiales d’évolution de l’occupation et de l’utilisation des sols dans la fenêtre lacustre camerounaise du lac Tchad et son arrière-pays à partir des grandes sécheresses sahéliennes de 1970 / Paul Gérard Gbetkom (2020)PermalinkPermalinkPermalinkFusion d'approches photométriques et géométriques pour la création de modèles 3D / Jean Mélou (2020)PermalinkFusion of 3D point clouds and hyperspectral data for the extraction of geometric and radiometric features of trees / Eduardo Alejandro Tusa Jumbo (2020)PermalinkGénération de cartes tactiles photoréalistes pour personnes déficientes visuelles par apprentissage profond / Gauthier Fillières-Riveau in Revue internationale de géomatique, vol 30 n° 1-2 (janvier - juin 2020)PermalinkPermalinkGéodésie, topographie, cartographie / Bernard Lamy (2020)PermalinkPermalinkGeoreferenced measurements of building objects with their simultaneous shape detection / Edward Osada in Survey review, Vol 52 n°370 (January 2020)PermalinkPermalinkGlobal iterative geometric calibration of a linear optical satellite based on sparse GCPs / Yingdong Pi in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)PermalinkIdentification of alpine glaciers in the central Himalayas using fully polarimetric L-Band SAR data / Guo-Hui Yao in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)PermalinkDe l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)PermalinkImage processing applications in object detection and graph matching: from Matlab development to GPU framework / Beibei Cui (2020)PermalinkImaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning / Peipei Ran (2020)PermalinkPermalinkPermalinkInteractions between hierarchical learning and visual system modeling : image classification on small datasets / Thalita Firmo Drumond (2020)PermalinkPermalinkInversion de données PolSAR en bande P pour l'estimation de la biomasse forestière / Colette Gelas (2020)PermalinkKalman filtering with state constraints applied to multi-sensor systems and georeferencing / Sören Vogel (2020)PermalinkPermalinkLearning and geometric approaches for automatic extraction of objects from remote sensing images / Nicolas Girard (2020)PermalinkPermalinkLow-frequency desert noise intelligent suppression in seismic data based on multiscale geometric analysis convolutional neural network / Yuxing Zhao in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)PermalinkPermalinkPermalinkMise en place d'un système d’auscultation par photogrammétrie aérienne et comparaison avec un scanner laser 3D / Benoît Brizard (2020)PermalinkPermalinkPermalinkMoving objects aware sensor mesh fusion for indoor reconstruction from a couple of 2D lidar scans / Teng Wu (2020)PermalinkPermalinkPermalinkNew quantitative indices from 3D modeling by photogrammetry to monitor coral reef environments / Isabel Urbina-Barreto (2020)PermalinkOn the adjustment, calibration and orientation of drone photogrammetry and laser-scanning / Emmanuel Clédat (2020)PermalinkPermalinkPast and future evolution of French Alpine glaciers in a changing climate: a deep learning glacio-hydrological modelling approach / Jordi Bolibar Navarro (2020)PermalinkLe plug-in ACYOTB : l'orthorectification open source de précision / Valerio Baiocchi in Géomatique expert, n° 132-133 (janvier - septembre 2020)PermalinkPotential of UAV photogrammetry for characterization of forest canopy structure in uneven-aged mixed conifer–broadleaf forests / Sadeepa Jayathunga in International Journal of Remote Sensing IJRS, vol 41 n° 1 (01 - 08 janvier 2020)PermalinkPrecise local quasigeoid modelling using GNSS/levelling height anomalies and gravity data / Marek Trojanowicz in Survey review, Vol 52 n°370 (January 2020)PermalinkProbabilistic pose estimation and 3D reconstruction of vehicles from stereo images / Maximilian Alexander Coenen (2020)PermalinkRadar interferometry of unstable slopes / Theeba Raveendran (2020)PermalinkPermalinkPermalinkPermalinkRecherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois / Margarita Khokhlova (2020)PermalinkReconnaissance automatique d’objets pour le jumeau numérique ferroviaire à partir d’imagerie aérienne / Valentin Desbiolles (2020)PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkRobust pose estimation and calibration of catadioptric cameras with spherical mirrors / Sagi Filin in Photogrammetric Engineering & Remote Sensing, PERS, vol 86 n° 1 (January 2020)PermalinkPermalinkPermalinkSatellite image time series classification with pixel-set encoders and temporal self-attention / Vivien Sainte Fare Garnot (2020)PermalinkSimplicial complexes reconstruction and generalisation of 3d lidar data in urban scenes / Stéphane Guinard (2020)PermalinkSimulation and analysis of photogrammetric UAV image blocks - Influence of camera calibration error / Yilin Zhou in Remote sensing, vol 12 n° 1 (January 2020)PermalinkSimulation d’éclairements des surfaces ombrées en zone urbaine par transfert radiatif 3D (modèle DART) / Yulu Xi (2020)PermalinkPermalinkStreambank topography: an accuracy assessment of UAV-based and traditional 3D reconstructions / Benjamin U. Meinen in International Journal of Remote Sensing IJRS, vol 41 n° 1 (01 - 08 janvier 2020)PermalinkSUMAC'20 : Proceedings of the 2nd Workshop on Structuring and Understanding of Multimedia heritAge Contents / Valérie Gouet-Brunet (2020)PermalinkSuperpixel-enhanced deep neural forest for remote sensing image semantic segmentation / Li Mi in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)PermalinkSurface soil moiture retrieval over irrigated wheat crops in semi-arid areas using Sentinel-1 data / Nadia Ouaadi (2020)PermalinkSystème de traitement d’images temps réel dédié à la mesure de champs denses de déplacements et de déformations / Seyfeddine Boukhtache (2020)PermalinkPermalinkLe temps dans la géolocalisation par satellites / Sébastien Trilles (2020)PermalinkTest du potentiel de l’imagerie satellite haute résolution pour le suivi des mouvements gravitaires des falaises crayeuses de Seine-Maritime / Zoé Stroebele (2020)PermalinkThree-dimensional reconstruction of fluvial surface sedimentology and topography using personal mobile laser scanning / Richard David Williams in Earth surface processes and landforms, vol 45 n° 1 (January 2020)PermalinkUnderwater calibration in near real time: Focus on detection optimized by AI and selection of calibration patterns / Loïca Avanthey (2020)PermalinkUnderwater field equipment of a network of landmarks optimized for automatic detection by AI / Laurent Beaudoin (2020)PermalinkUnsupervised satellite image time series analysis using deep learning techniques / Ekaterina Kalinicheva (2020)PermalinkUso de QGIS en la teledetección, Vol. 4. QGIS y sus aplicaciones en agua y en gestion del riego / Nicolas Baghdadi (2020)PermalinkValidating the correct wearing of protection mask by taking a selfie: design of a mobile application "CheckYourMask" to limit the spread of COVID-19 / Karim Hammoudi (2020)Permalink