Descripteur
Documents disponibles dans cette catégorie (2541)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Combining deep learning and mathematical morphology for historical map segmentation / Yizi Chen (2021)
![]()
Titre : Combining deep learning and mathematical morphology for historical map segmentation Type de document : Chapitre/Contribution Auteurs : Yizi Chen , Auteur ; Edwin Carlinet, Auteur ; Joseph Chazalon, Auteur ; Clément Mallet
, Auteur ; Bertrand Duménieu
, Auteur ; Julien Perret
, Auteur
Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2021 Collection : Lecture notes in Computer Science, ISSN 0302-9743 num. 12708 Projets : SODUCO / Perret, Julien Conférence : DGMM 2021, 1st International Joint Conference on Discrete Geometry and Mathematical Morphology 24/05/2021 27/05/2021 Uppsala Suède Proceedings Springer Importance : pp 79 - 92 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] analyse diachronique
[Termes IGN] apprentissage profond
[Termes IGN] carte ancienne
[Termes IGN] chaîne de traitement
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'objet
[Termes IGN] données maillées
[Termes IGN] morphologie mathématique
[Termes IGN] vectorisationRésumé : (auteur) The digitization of historical maps enables the study of ancient, fragile, unique, and hardly accessible information sources. Main map features can be retrieved and tracked through the time for subsequent thematic analysis. The goal of this work is the vectorization step, i.e., the extraction of vector shapes of the objects of interest from raster images of maps. We are particularly interested in closed shape detection such as buildings, building blocks, gardens, rivers, etc. in order to monitor their temporal evolution. Historical map images present significant pattern recognition challenges. The extraction of closed shapes by using traditional Mathematical Morphology (MM) is highly challenging due to the overlapping of multiple map features and texts. Moreover, state-of-the-art Convolutional Neural Networks (CNN) are perfectly designed for content image filtering but provide no guarantee about closed shape detection. Also, the lack of textural and color information of historical maps makes it hard for CNN to detect shapes that are represented by only their boundaries. Our contribution is a pipeline that combines the strengths of CNN (efficient edge detection and filtering) and MM (guaranteed extraction of closed shapes) in order to achieve such a task. The evaluation of our approach on a public dataset shows its effectiveness for extracting the closed boundaries of objects in historical maps. Numéro de notice : H2021-001 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE Nature : Chapître / contribution nature-HAL : ChOuvrScient DOI : 10.1007/978-3-030-76657-3_5 Date de publication en ligne : 16/05/2021 En ligne : https://hal.science/hal-03101578v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96739 Contributions to graph-based hierarchical analysis for images and 3D point clouds / Leonardo Gigli (2021)
![]()
Titre : Contributions to graph-based hierarchical analysis for images and 3D point clouds Type de document : Thèse/HDR Auteurs : Leonardo Gigli, Auteur ; Beatriz Marcotegui, Directeur de thèse Editeur : Paris : Université Paris Sciences et Lettres Année de publication : 2021 Importance : 177 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université PSL, Spécialité : Morphologie MathématiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] analyse de groupement
[Termes IGN] apprentissage automatique
[Termes IGN] arbre aléatoire minimum
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] extraction du réseau routier
[Termes IGN] morphologie mathématique
[Termes IGN] processus de hiérarchisation analytique
[Termes IGN] réseau neuronal de graphes
[Termes IGN] segmentation d'image
[Termes IGN] semis de points
[Termes IGN] texture d'image
[Termes IGN] théorie des graphesIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Graphs are powerful mathematical structures representing a set of objects and the underlying links between pairs of objects somehow related. They are becoming increasingly popular in data science in general and in particular in image or 3D point cloud analysis. Among the wide spectra of applications, they are involved in most of the hierarchical approaches.Hierarchies are particularly important because they allow us to efficiently organize the information required and to analyze the problems at different levels of detail. In this thesis, we address the following topics. Many morphological hierarchical approaches rely on the Minimum Spanning Tree (MST). We propose an algorithm for MST computation in streaming based on a graph decomposition strategy. Thanks to this decomposition, larger images can be processed or can benefit from partial reliable information while the whole image is not completely available.Recent LiDAR developments are able to acquire large-scale and precise 3D point clouds. Many applications, such as infrastructure monitoring, urban planning, autonomous driving, precision forestry, environmental assessment, archaeological discoveries, to cite a few, are under development nowadays. We introduce a ground detection algorithm and compare it with the state of the art. The impact of reducing the point cloud density with low-cost scanners is studied, in the context of an autonomous driving application. Finally, in many hierarchical methods similarities between points are given as input. However, the metric used to compute similarities influences the quality of the final results. We exploit metric learning as a complementary tool that helps to improve the quality of hierarchies. We demonstrate the capabilities of these methods in two contexts. The first one,a texture classification of 3D surfaces. Our approach ranked second in a task organized by SHREC’20 international challenge. The second one learning the similarity function together with the optimal hierarchical clustering, in a continuous feature-based hierarchical clustering formulation. Note de contenu : Introduction
1- Graph theory and clustering
2- Point clouds
3- Ground and road detection
4- Minimum spanning tree for data streams
5- Metric learning
6- Towards Morphological Convolutions on Graphs
ConclusionsNuméro de notice : 28623 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Morphologie Mathématique : Paris Sciences et Lettres : 2021 Organisme de stage : Centre de Morphologie Mathématique DOI : sans En ligne : https://pastel.hal.science/tel-03512298/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99543
Titre : Création d’un portail de datavisualisation open source Type de document : Mémoire Auteurs : Benjamin Fau, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 80 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de fin d'étude, cycle Ingénieur 3e année, master CarthagéoLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] analyse des besoins
[Termes IGN] entrepôt de données localisées
[Termes IGN] jeu de données localisées
[Termes IGN] logiciel libre
[Termes IGN] partage de données localisées
[Termes IGN] portail
[Termes IGN] serveur cartographique (programme)
[Termes IGN] utilisateur
[Termes IGN] visualisation de donnéesIndex. décimale : DCAR Mémoires de l'ex DESS cartographie et du Master CARTHAGEO Résumé : (Auteur) Le monde de la datavisualisation est riche en outils et propose de nombreuses solutions pour qui veut organiser et mettre en forme ses données. Parmi ces solutions, un certain nombre ont fait le choix de suivre les principes du logiciel libre, ou open source. Ces derniers donnent à l’ensemble de la communauté une liberté concernant la visualisation, l’utilisation et la modification du code. Ces outils ont chacun leur domaine d’application, leurs avantages et limites. Ce stage se propose de sélectionner et d’adapter un ensemble de solutions de datavisualisation open source, traitant des données géographiques ou non-géographiques, afin de les faire fonctionner au sein d’un environnement cohérent capable de répondre à une grande diversité de besoins. Note de contenu :
Introduction
1. Présentation du stage
2. Solutions de datavisualisation composant le portail
3. Développement du portail
4. Résultats
ConclusionNuméro de notice : 26698 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de fin d'études IT Organisme de stage : Magellium Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99106 Documents numériques
peut être téléchargé
Création d’un portail de datavisualisation open source - pdf auteurAdobe Acrobat PDFDescription et recherche d’image généralisables pour l’interconnexion et l’analyse multi-source / Dimitri Gominski (2021)
![]()
Titre : Description et recherche d’image généralisables pour l’interconnexion et l’analyse multi-source Type de document : Thèse/HDR Auteurs : Dimitri Gominski , Auteur ; Valérie Gouet-Brunet
, Directeur de thèse ; Liming Chen, Directeur de thèse
Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2021 Autre Editeur : Lyon : Ecole Centrale de Lyon Projets : Alegoria / Gouet-Brunet, Valérie Note générale : bibliographie
thèse soutenue le 9 nov. 2021, à l'Université Gustave Eiffel, dans le cadre de l'École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication, en partenariat avec LaSTIG - Laboratoire en Sciences et Technologies de l'Information Géographique (laboratoire).Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] apprentissage profond
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] image multi sources
[Termes IGN] indexation sémantique
[Termes IGN] méthode robuste
[Termes IGN] recherche d'image basée sur le contenuIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec un volume toujours plus grand d'images accessibles numériquement, établir des connexions pour structurer et analyser les données devient d'autant plus important. Une formulation typique pour connecter entre elles des images sans utiliser de métadonnées est la recherche d'image basée contenu (RIBC). Similairement aux autres applications en vision par ordinateur, la RIBC a bénéficié du pouvoir expressif des réseaux de neurones convolutifs (CNN) et obtenu des résultats inédits sur les benchmarks usuels. Cependant, il est difficile de dire si cette performance est due à la proposition d'architectures et de modèles toujours plus évolués, ou simplement à la présence d'un jeu de données d'entraînement qui correspond bien au cas d'usage, c'est-à-dire qui a des caractéristiques visuelles et sémantiques similaires. En effet, le paradigme habituel du couple modèle-jeu d'entraînement montre ses limites dès lors qu'on sort du cas caractérisé par les données d'entraînement: la performance chute si on teste sur des données différentes ou avec une variabilité trop grande.
Cette thèse s'intéresse à cette question avec un regard critique sur les méthodes d'apprentissage profond et leur potentiel réel d'application. Dans un contexte d'imagerie territoriale multi-sources, un benchmark est proposé pour caractériser un nouveau problème de recherche : la recherche d'image hétérogène, "low-data" (sans données d'entraînement), avec un cas d'utilisation où définir un jeu de données d'entraînement et une méthode "baseline" n'est pas facile. Avec ce benchmark, de nouvelles mesures sont proposées pour qualifier la capacité à généraliser du modèle dans un contexte RIBC, puis des solutions techniques qui permettent de s'affranchir de la définition hasardeuse des sus-citées "caractéristiques visuelles et sémantiques similaires". La discussion autour des résultats permet de mettre en valeur une importance probablement trop grande donnée à l'architecture des réseaux de neurones, et des pistes prometteuses dans la RIBC qui fournit des outils agnostiques du modèle utilisé, et permettant d'exploiter les avantages comparatifs de différents modèles entraînés sur différents jeux de données. Enfin, l'intérêt de cette approche généraliste est confirmé par une application à un cas où malgré l'abondance de méthodes et de données, elles sont encapsulées dans un ensemble de petits datasets et donc peu généralisables: la classification d'occupation au sol en imagerie satellite.Numéro de notice : 14738 Affiliation des auteurs : UGE-LASTIG (2020- ) Autre URL associée : vers theses Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse : : Gustave Eiffel : 2021 Organisme de stage : LaSTIG (IGN) & LIRIS (Ecole Centrale de Lyon) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-03629550 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98921 Détection de changement d’occupation du sol à l’aide de données Sentinel en contexte tropical / Lucas Martelet (2021)
![]()
Titre : Détection de changement d’occupation du sol à l’aide de données Sentinel en contexte tropical Type de document : Mémoire Auteurs : Lucas Martelet, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 57 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème année, Information Géographique, Analyse Spatiale et TélédétectionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse comparative
[Termes IGN] analyse diachronique
[Termes IGN] changement d'occupation du sol
[Termes IGN] dégradation de la flore
[Termes IGN] détection de changement
[Termes IGN] forêt tropicale
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] milieu tropicalIndex. décimale : IGAST Mémoires du Master Information Géographique, Analyse Spatiale et Télédétection Résumé : (Auteur) Avec l’accessibilité facilité de données satellites optique et radar et l’augmentation du dynamisme de changement d’occupation du sol d’origine entropique, les méthodes de détection automatique de changement d’occupation du sol sont de plus en plus étudiées. Ce rapport présente un état de l’art de la diversité des méthodes existantes pour ce type de détection appliquée à la dégradation forestière en milieu tropicale. Trois des méthodes présentées sont ensuite adaptées pour tenir compte des classes d’occupation recherchées et des données disponibles et utilisées sur une zone d’exploitation forestière en Amazonie. Note de contenu :
Introduction
1. SITE D’ETUDES ET DONNEES UTILISEES
1.1 Site d’étude
1.2 Données
2. TOUR D’HORIZON DES METHODES EXISTANTES
2.1 Méthodes de détection par comparaison de produit finaux
2.2 Méthodes de détection par analyse multi-temporelle
3. TRAITEMENTS ET METHODES
3.1 Traitements
3.2 Méthodes de détection des changements
4. RESULTATS
4.1 Données S1
4.2 Segmentation SLIC
4.3 Détection par classification de changement
4.4 Détection des par analyse de vecteur de changement
4.5 Détection avec la méthode LF
4.6 Approche bi-échelle
4.7 Recommandations
ConclusionNuméro de notice : 26688 Affiliation des auteurs : IGN (2020- ) Thématique : FORET/IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Office National des Forêts International ONFI Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99000 Documents numériques
peut être téléchargé
Détection de changement d’occupation du sol à l’aide de données Sentinel... - pdf auteurAdobe Acrobat PDFDéveloppement d’une méthode innovante pour l’ajustement des paramètres internes du système de gravimétrie sous-marine GraviMob / Ossama Kharbou (2021)
PermalinkPermalinkEvaluating interactive comparison techniques in a multiclass density map for visual crime analytics / Lukas Svicarovic (2021)
PermalinkEvaluation of Sentinel-1 & 2 time series for the identification and characterization of ecological continuities, from wooded to crop-dominated landscapes / Audrey Mercier (2021)
PermalinkExploiting multi-camera constraints within bundle block adjustment: an experimental comparison / Eleonora Maset (2021)
PermalinkExtraction of street pole-like objects based on plane filtering from mobile LiDAR data / Jingming Tu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)
PermalinkPermalinkPermalinkPermalinkMachine learning for the distributed and dynamic management of a fleet of taxis and autonomous shuttles / Tatiana Babicheva (2021)
PermalinkA method of hydrographic survey technology selection based on the decision tree supervised learning / Ivana Golub Medvešek (2021)
PermalinkMise en place d’une infrastructure de données spatiales sur le risque de piqures de tiques / Lilian Calas (2021)
PermalinkMise en place de nouvelles méthodes d’acquisition par lasergrammétrie en milieu difficile et couvert forestier en vue de la construction d’un parc éolien / Jean-Baptiste Myotte-Duquet (2021)
PermalinkPermalinkQualification des données LiDAR GEDI pour le suivi de l’impact climatique sur la forêt de Südharz / Iris Jeuffrard (2021)
PermalinkReprésentation sémantique de données géospatiales au service de l'analyse de changements / Jordan Dorne (2021)
PermalinkPermalinkSemantic enrichment of secondary activities using smart card data and point of interests: a case study in London / Nilufer Sari Aslam in Annals of GIS, vol 27 n° 1 (January 2021)
PermalinkPermalinkSpatiotemporal patterns of urbanization during the last four decades in Switzerland and their impacts on urban heat islands / Marti Bosch Padros (2021)
Permalink