Descripteur
Documents disponibles dans cette catégorie (8485)
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
Detection of windthrown tree stems on UAV-orthomosaics using U-Net convolutional networks / Stefan Reder in Remote sensing, vol 14 n° 1 (January-1 2022)
[article]
Titre : Detection of windthrown tree stems on UAV-orthomosaics using U-Net convolutional networks Type de document : Article/Communication Auteurs : Stefan Reder, Auteur ; J.P. Mund, Auteur ; Nicole Albert, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 75 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] branche (arbre)
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'objet
[Termes IGN] dommage forestier causé par facteurs naturels
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] image captée par drone
[Termes IGN] orthophotoplan numérique
[Termes IGN] segmentation sémantique
[Termes IGN] tempête
[Termes IGN] troncRésumé : (auteur) The increasing number of severe storm events is threatening European forests. Besides the primary damages directly caused by storms, there are secondary damages such as bark beetle outbreaks and tertiary damages due to negative effects on the market. These subsequent damages can be minimized if a detailed overview of the affected area and the amount of damaged wood can be obtained quickly and included in the planning of clearance measures. The present work utilizes UAV-orthophotos and an adaptation of the U-Net architecture for the semantic segmentation and localization of windthrown stems. The network was pre-trained with generic datasets, randomly combining stems and background samples in a copy–paste augmentation, and afterwards trained with a specific dataset of a particular windthrow. The models pre-trained with generic datasets containing 10, 50 and 100 augmentations per annotated windthrown stems achieved F1-scores of 73.9% (S1Mod10), 74.3% (S1Mod50) and 75.6% (S1Mod100), outperforming the baseline model (F1-score 72.6%), which was not pre-trained. These results emphasize the applicability of the method to correctly identify windthrown trees and suggest the collection of training samples from other tree species and windthrow areas to improve the ability to generalize. Further enhancements of the network architecture are considered to improve the classification performance and to minimize the calculative costs. Numéro de notice : A2022-082 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs14010075 En ligne : https://doi.org/10.3390/rs14010075 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99476
in Remote sensing > vol 14 n° 1 (January-1 2022) . - n° 75[article]Developing the potential of airborne lidar systems for the sustainable management of forests / Karun Dayal (2022)
Titre : Developing the potential of airborne lidar systems for the sustainable management of forests : accounting for and managing the impacts of lidar scan angle on ABA model predictions of forest attributes Type de document : Thèse/HDR Auteurs : Karun Dayal, Auteur ; Sylvie Durrieu, Directeur de thèse ; Marc Bouvier, Directeur de thèse Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2022 Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l’Institut national des sciences et industries du vivant et de l'environnement - AgroParisTech, Spécialité GéomatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s)
[Termes IGN] analyse comparative
[Termes IGN] angle de visée
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] forêt alpestre
[Termes IGN] forêt ripicole
[Termes IGN] gestion durable
[Termes IGN] inventaire forestier national (données France)
[Termes IGN] jeu de données localisées
[Termes IGN] ligne de visée
[Termes IGN] modèle numérique de surface de la canopée
[Termes IGN] peuplement forestier
[Termes IGN] précision géométrique (imagerie)
[Termes IGN] prédiction
[Termes IGN] réseau neuronal artificiel
[Termes IGN] télémètre laser à balayage
[Termes IGN] télémètre laser aéroportéIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) L’information mesurée par Lidar aéroporté dépend de la végétation observée et de la géométrie de l'acquisition lidar, elle-même fonction des paramètres d'acquisition et des propriétés du terrain. Cette thèse vise à comprendre la relation entre la géométrie d'acquisition du lidar et les prédictions d'attributs forestiers en se focalisant sur l'évaluation et la gestion des impacts de l'angle de balayage du lidar sur les métriques lidar et les modèles construits à l’échelle du peuplement (i.e. approches surfaciques ou ABA). Quatre types de forêts différents ont été étudiés, dont trois types de forêts (feuillus, conifères et mixtes) en terrain montagneux et un type de forêt (ripisylve) en terrain relativement plat . La thèse est divisée en trois parties. La première partie évalue l'effet de l'angle de balayage du lidar sur les mesures lidar couramment utilisées dans les prédictions de type ABA. On a ainsi montré que les différentes métriques lidar ne sont pas impactées de la même façon par des changements d'angle de balayage. La deuxième partie de l'étude s’intéresse aux conséquences sur la qualité des modèles de l’introduction dans ces modèles de métriques lidar présentant des sensibilités différentes à l'angle de balayage. Un modèle basé sur un jeu de métriques Lidar prédéfinies, plus ou moins sensibles aux angles de balayage, est utilisé.Les jeux de données lidar existants sont ré-échantillonnés selon les lignes de vol pour 1) simuler des acquisitions lidar avec différentes configurations de balayage, 2) construire des modèles pour une série de configurations de balayage différentes, et 3) comparer la qualité des estimations qui résultent de chaque configuration d’acquisition. Ces comparaisons montrent que l’introduction de métriques sensibles à l’angle de balayage diminue la robustesse des modèles. De plus, la variation de la précision des modèles ABA s’est révélée être plus élevée pour les jeux de données composés de nuages de points acquis depuis une seule ligne de vol que pour ceux composés de nuages de points obtenus en combinant les mesures de plusieurs lignes de vol.Nous avons aussi tenté de normaliser les métriques lidar en utilisant des méthodes de voxellisation pour limiter les impacts des changements d’angles de balayage. Les métriques issues des données voxellisées contribuent à augmenter la précision des prédictions ou à augmenter leur justesse, ou, dans certains cas, les deux en même temps. Dans la dernière partie de l'étude, les propriétés du terrain (topographie) et les paramètres d'acquisition sont explicitement pris en compte dans les modèles. Comme les interactions entre les paramètres d'acquisition lidar, le terrain et les propriétés de la végétation peuvent être complexes, un réseau de neurone (perceptron multicouche) est utilisé pour modéliser les relations entre les attributs forestiers et les métriques lidar en tenant compte de ces interactions entre métriques lidar et géométrie d'acquisition. Cela a permis d'améliorer significativement les prédictions ABA. Note de contenu : Chapter 1: Introduction
1.1 Sustainable Forest Management
1.2 The role of remote sensing in enhancing forest inventory
1.3 Enhanced forest inventory with lidar
1.4 Understanding the role of lidar scan angle in forestry applications
1.5 Research questions and objectives
1.6 Overview of the thesis
Chapter 2: Scan angle impact on lidar-derived metrics used in ABA models for prediction of forest
stand characteristics: a grid based analysis
2.1 Introduction
2.2 Materials
2.3 Methods
2.4 Results
2.5 Discussion
2.6 Conclusions
2.7 Acknowledgement
Chapter 3: An investigation into lidar scan angle impacts on stand attribute predictions in different
forest environments
3.1 Introduction
3.2 Materials and methods
3.3 Results
3.5 Conclusion
3.6 Acknowledgements
Chapter 4: Improving ABA models for forest attribute prediction using neural networks by considering effects of terrain and scan angles on 3D lidar point clouds
4.1 Introduction
4.2 Materials and methods
4.3 Results
4.4 Discussion
4.5 Conclusion
Chapter 5: Conclusion
5.1 Synthesis of the thesis
5.2 Limitations and PerspectivesNuméro de notice : 26957 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géomatique : Université Paris-Saclay : 2022 Organisme de stage : UMR TETIS - Territoires, Environnement, Télédétection et Information Spatiale nature-HAL : Thèse DOI : sans Date de publication en ligne : 24/01/2023 En ligne : https://hal.science/tel-03954492 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102527 Development of object detectors for satellite images by deep learning / Alissa Kouraeva (2022)
Titre : Development of object detectors for satellite images by deep learning Type de document : Mémoire Auteurs : Alissa Kouraeva, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 57 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire d'ingénieur 3e année, Cycle PPMD Photogrammétrie, Positionnement et Mesure de DéformationLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image orientée objet
[Termes IGN] angle d'incidence
[Termes IGN] apprentissage profond
[Termes IGN] détection du bâti
[Termes IGN] image aérienne
[Termes IGN] image Pléiades-HR
[Termes IGN] image Pléiades-Neo
[Termes IGN] jeu de données
[Termes IGN] OpenStreetMap
[Termes IGN] réalité de terrain
[Termes IGN] recalage d'imageMots-clés libres : Frame Field Learning algorithm Index. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) With various uses cases in different sectors - marine, cartography, defense - object detection in satellite images is at the heart of image processing methods. This study aims to test existing building detection algorithms and improve them with the final goal being a precise cartography of buildings for 3D reconstruction with a high level of details. The Polygonization by Frame Field Learning algorithm is tested on different types of images: aerial images (50cm resolution), satellite images with 50cm (Pleiades) and 30cm (Pleiades Neo) resolutions. The ground truth is either already provided (Digitanie) or has to be retrieved from open access databases (OSM or BD TOPO IGN). Some problems of ground truth overlap appear in Pleiades neo images due to the relative precision in positioning of different data and also due to the incidence angle, that provides a greater revisiting capability. A re-implementation of the Frame Field Learning algorithm with the PyTorch Lightning framework is done in this study, with different experiments conducted concerning the configuration of the algorithm. Note de contenu : Introduction
1- Data
2- Methods
3- Results and discussion
ConclusionNuméro de notice : 24052 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire de fin d'études IT Organisme de stage : Airbus Defence and Space Geo SA Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101926 Développement d’outils et de méthodes permettant l’acquisition, le traitement et la diffusion de données issues de levés par drone / Guillaume Feuillatre (2022)
Titre : Développement d’outils et de méthodes permettant l’acquisition, le traitement et la diffusion de données issues de levés par drone Type de document : Mémoire Auteurs : Guillaume Feuillatre, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2022 Autre Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Importance : 56 p. Format : 21 x 30 cm Note générale : Sitographie
Mémoire de licence professionnelle Géomatique et environnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Photogrammétrie
[Termes IGN] Agisoft Photoscan
[Termes IGN] bâtiment
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] image captée par drone
[Termes IGN] maillage
[Termes IGN] modèle numérique de surface
[Termes IGN] orthophotographie
[Termes IGN] photogrammétrie aérienne
[Termes IGN] positionnement cinématique en temps réel
[Termes IGN] spécification de processus
[Termes IGN] webGLIndex. décimale : LPGE Mémoires de Licence professionnelle géomatique et environnement Résumé : (auteur) [...] L’Eurométropole de Strasbourg (EMS) s’est très tôt tournée vers la géomatique. Dès les années 90, la collectivité a su percevoir l’intérêt de cette discipline pour son espace contribuant grandement à la modernisation et à l'efficience du service public. Différentes actions y ont été menées, comme l’inventaire géographique du patrimoine, la connaissance des réseaux, la distribution spatiale d’une donnée statistique, la réalisation de cartes et la diffusion en Open Data de l’intégralité des données. Dans le cadre du projet SIG 3D, la collectivité de Strasbourg oeuvre pour passer d’une représentation plane de son territoire à une représentation en trois dimensions. C’est notamment dans ce cadre qu’est apparue la volonté de mettre en place une chaîne d’acquisition/traitement/diffusion de données issues de drones. Les objectifs de mon stage étaient nombreux. En effet, l’apparition d’une nouvelle compétence au sein de la collectivité a impliqué de nouvelles acquisitions de matériels ainsi que la formation d’une partie de ses agents. Mon principal travail a été de rendre viables et pérennes les procédures de cette chaîne, via mes connaissances et la collaboration avec les agents du service. De plus, il m’a également été confié un travail de développement dans d’autres domaines de captation d’informations géographiques. Note de contenu : Introduction
1- Intérêt d'un LIDAR sur drône
2- Mise en place des procédures drône
3- Traitement des données
4- Diffusion et mise à jour des produits
ConclusionNuméro de notice : 28887 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire licence Organisme de stage : Eurométropole de Strasbourg Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101628 Documents numériques
en open access
Développement d’outils... - pdf auteur -Adobe Acrobat PDF Effective triplet mining improves training of multi-scale pooled CNN for image retrieval / Federico Vaccaro in Machine Vision and Applications, vol 33 n° 1 (January 2022)
[article]
Titre : Effective triplet mining improves training of multi-scale pooled CNN for image retrieval Type de document : Article/Communication Auteurs : Federico Vaccaro, Auteur ; Marco Bertini, Auteur ; Tiberio Uricchio, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 16 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] agrégation de données
[Termes IGN] analyse visuelle
[Termes IGN] architecture de réseau
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] exploration de données
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] recherche d'image basée sur le contenu
[Termes IGN] réseau neuronal siamois
[Termes IGN] tripletRésumé : (auteur) In this paper, we address the problem of content-based image retrieval (CBIR) by learning images representations based on the activations of a Convolutional Neural Network. We propose an end-to-end trainable network architecture that exploits a novel multi-scale local pooling based on the trainable aggregation layer NetVLAD (Arandjelovic et al in Proceedings of the IEEE conference on computer vision and pattern recognition CVPR, NetVLAD, 2016) and bags of local features obtained by splitting the activations, allowing to reduce the dimensionality of the descriptor and to increase the performance of retrieval. Training is performed using an improved triplet mining procedure that selects samples based on their difficulty to obtain an effective image representation, reducing the risk of overfitting and loss of generalization. Extensive experiments show that our approach, that can be effectively used with different CNN architectures, obtains state-of-the-art results on standard and challenging CBIR datasets. Numéro de notice : A2022-237 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1007/s00138-021-01260-z Date de publication en ligne : 06/01/2022 En ligne : https://doi.org/10.1007/s00138-021-01260-z Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100153
in Machine Vision and Applications > vol 33 n° 1 (January 2022) . - n° 16[article]Éléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois / Rémy Decelle (2022)PermalinkPermalinkPermalinkÉvolution rétrospective et prospective d’un massif dunaire par imagerie multispectrale et LiDAR / Iris Jeuffrard (2022)PermalinkExploring data fusion for multi-object detection for intelligent transportation systems using deep learning / Amira Mimouna (2022)PermalinkPermalinkFusion de données hyperspectrales et panchromatiques dans le domaine réflectif / Yohann Constans (2022)PermalinkGénération d’un jeu de données d’entraînement et mise en oeuvre d’une architecture de détection par deep learning des numéros de parcelles sur les plans du cadastre Napoléonien / Tiecoumba Ibrahim Tamela (2022)PermalinkPermalinkA GIS-based landslide susceptibility mapping and variable importance analysis using artificial intelligent training-based methods / Pengxiang Zhao in Remote sensing, vol 14 n° 1 (January-1 2022)PermalinkGlobal and climate challenges, graph-based data analysis for multisource information extraction / Morgane Batelier (2022)PermalinkGlobal glacier mass change by spatiotemporal analysis of digital elevation models / Romain Hugonnet (2022)PermalinkGNSS/INS Kalman filter integrity monitoring with uncertain time correlated error processes / Omar Garcia Crespillo (2022)PermalinkGuidelines for the management of cultural heritage using 3D models for the insertion of heterogeneous data / Gianna Bertacchi (2022)PermalinkHistograms of oriented mosaic gradients for snapshot spectral image description / Lulu Chen in ISPRS Journal of photogrammetry and remote sensing, vol 183 (January 2022)PermalinkHistorical shoreline analysis and field monitoring at Ennore coastal stretch along the Southeast coast of India / M. Dhananjayan in Marine geodesy, vol 45 n° 1 (January 2022)PermalinkHistorical Vltava River valley–various historical sources within web mapping environment / Jiří Krejčí in ISPRS International journal of geo-information, vol 11 n° 1 (January 2022)PermalinkImproving local adaptive filtering method employed in radiometric correction of analogue airborne campaigns / Lâmân Lelégard (2022)PermalinkImproving LSMA for impervious surface estimation in an urban area / Jin Wang in European journal of remote sensing, vol 55 n° 1 (2022)PermalinkInvestigating the role of wind disturbance in tropical forests through a forest dynamics model and satellite observations / E-Ping Rau (2022)Permalink