Descripteur
Documents disponibles dans cette catégorie (1772)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Variable selection for estimating individual tree height using genetic algorithm and random forest / Evandro Nunes Miranda in Forest ecology and management, vol 504 (January-15 2022)
![]()
[article]
Titre : Variable selection for estimating individual tree height using genetic algorithm and random forest Type de document : Article/Communication Auteurs : Evandro Nunes Miranda, Auteur ; Bruno Henrique Groenner Barbosa, Auteur ; Sergio Henrique Godinho Silva, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 119828 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage automatique
[Termes IGN] Brésil
[Termes IGN] classification par algorithme génétique
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] diamètre à hauteur de poitrine
[Termes IGN] hauteur des arbres
[Termes IGN] modélisation de la forêt
[Termes IGN] optimisation (mathématiques)
[Vedettes matières IGN] ForesterieRésumé : (auteur) Tree height is an important trait in forest science and is highly associated with the site quality from which the trees are measured. However, other factors, such as competition and species interaction, may yield better estimates for individual tree height when taken into account, but these variables have so far been challenging in model fitting. We propose a hybrid approach using genetic algorithms for variables selection and a machine learning algorithm (random forest) for fitting models of individual tree heights. We compare our proposed hybrid method with a mixed-effects model and random forest model using a dataset of 5,608 trees and 189 environmental variables (forest inventory-based variables, soil, topographic, climate, spectral, and geographic) from sites in southeastern Brazil. The tree height models were evaluated using the coefficient of determination, absolute bias, and root means square error (RMSE) based on the validation of dataset performance. The optimal set of variables of the proposed method include the ratio of diameter at breast height to quadratic mean diameter, distance independent competition index, dominant height, the soil silt and boron content. Our findings showed that the proposed hybrid method achieved an accuracy comparable with other methodologies in estimating the total height of the individual trees, and such a modelling approach could have broader applications in forestry and ecological science where a studied response trait has a large number of potential explanatory variables. Numéro de notice : A2022-021 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article DOI : 10.1016/j.foreco.2021.119828 Date de publication en ligne : 06/11/2021 En ligne : https://doi.org/10.1016/j.foreco.2021.119828 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99216
in Forest ecology and management > vol 504 (January-15 2022) . - n° 119828[article]
Titre : A 3D segments based algorithm for heterogeneous data registration Type de document : Article/Communication Auteurs : Rahima Djahel, Auteur ; Pascal Monasse, Auteur ; Bruno Vallet , Auteur
Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2022 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B1 Projets : 1-Pas de projet / Conférence : ISPRS 2022, Commission 1, 24th ISPRS international congress, Imaging today, foreseeing tomorrow 06/06/2022 11/06/2022 Nice France OA ISPRS Archives Importance : pp 129 - 136 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] algorithme du recuit simulé
[Termes IGN] données hétérogènes
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] orthoimage
[Termes IGN] Ransac (algorithme)
[Termes IGN] reconstruction 3D
[Termes IGN] segment de droite
[Termes IGN] superposition de donnéesRésumé : (auteur) Combining image and LiDAR draws increasing interest in surface reconstruction, city and building modeling for constructing 3D virtual reality models because of their complementary nature. However, to gain from this complementarity, these data sources must be precisely registered. In this paper, we propose a new primitive based registration algorithm that takes 3D segments as features. The objective of the proposed algorithm is to register heterogeneous data. The heterogeneity is both in data type (image and LiDAR) and acquisition platform (terrestrial and aerial). Our algorithm starts by extracting 3D segments from LiDAR and image data with state of the art algorithms. Then it clusters the 3D segments of each data according to their directions. The obtained clusters are associated to find possible rotations, then 3D segments from associated clusters are matched in order to find the translation and scale factor minimizing a distance criteria between the two sets of 3D segments. Two optimizers (simulated annealing and RANSAC) are tested to minimize this distance criterion, first on synthetic data, then on real data. The experiments carried out demonstrate the robustness and speed of RANSAC compared to simulated annealing. Numéro de notice : C2022-018 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B1-2022-129-2022 Date de publication en ligne : 30/05/2022 En ligne : http://dx.doi.org/10.5194/isprs-archives-XLIII-B1-2022-129-2022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100844 Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques / Jean-Yves Franceschi (2022)
![]()
Titre : Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques Type de document : Thèse/HDR Auteurs : Jean-Yves Franceschi, Auteur ; Sylvain Lamprier, Directeur de thèse ; Patrick Gallinari, Directeur de thèse Editeur : Paris : Sorbonne Université Année de publication : 2022 Importance : 304 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse soutenue pour obtenir le grade de Docteur en Informatique de Sorbonne UniversitéLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] classification non dirigée
[Termes IGN] données spatiotemporelles
[Termes IGN] équation différentielle
[Termes IGN] processus stochastique
[Termes IGN] réseau antagoniste génératif
[Termes IGN] réseau neuronal récurrent
[Termes IGN] série temporelle
[Termes IGN] système dynamiqueIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L'essor de l'apprentissage profond trouve notamment sa source dans les avancées scientifiques qu'il a permises en termes d'apprentissage de représentations et de modèles génératifs. Dans leur grande majorité, ces progrès ont cependant été obtenus sur des données textuelles et visuelles statiques, les données temporelles demeurant un défi pour ces méthodes. Compte tenu de leur importance pour l'automatisation croissante de multiples tâches, de plus en plus de travaux en apprentissage automatique s'intéressent aux problématiques d'évolution temporelle. Dans cette thèse, nous étudions ainsi plusieurs aspects de la temporalité et des systèmes dynamiques dans les réseaux de neurones profonds pour l'apprentissage non supervisé de représentations et de modèles génératifs. Premièrement, nous présentons une méthode générale d'apprentissage de représentations non supervisée pour les séries temporelles prenant en compte des besoins pratiques d'efficacité et de flexibilité. Dans un second temps, nous nous intéressons à l'apprentissage pour les séquences structurées de nature spatio-temporelle, couvrant les vidéos et phénomènes physiques. En les modélisant par des équations différentielles paramétrisées par des réseaux de neurones, nous montrons la corrélation entre la découverte de représentations pertinentes d'un côté, et de l'autre la fabrique de modèles prédictifs performants sur ces données. Enfin, nous analysons plus généralement dans une troisième partie les populaires réseaux antagonistes génératifs dont nous décrivons la dynamique d'apprentissage par des équations différentielles, nous permettant d'améliorer la compréhension de leur fonctionnement. Note de contenu : 1- Motivation
2- Time series representation learning
3- State-space predictive models for spatiotemporal data
4- Analysis of GANs’ training dynamics
5- ConclusionNuméro de notice : 15203 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Paris : 2022 DOI : sans En ligne : https://tel.hal.science/tel-03591720 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100472 Combining a class-weighted algorithm and machine learning models in landslide susceptibility mapping: A case study of Wanzhou section of the Three Gorges Reservoir, China / Huijuan Zhang in Computers & geosciences, vol 158 (January 2022)
![]()
[article]
Titre : Combining a class-weighted algorithm and machine learning models in landslide susceptibility mapping: A case study of Wanzhou section of the Three Gorges Reservoir, China Type de document : Article/Communication Auteurs : Huijuan Zhang, Auteur ; Yingxu Song, Auteur ; Shiluo Xu, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 104966 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] aléa
[Termes IGN] apprentissage automatique
[Termes IGN] base de données localisées
[Termes IGN] cartographie des risques
[Termes IGN] Chine
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] effondrement de terrain
[Termes IGN] modèle de simulation
[Termes IGN] régression géographiquement pondérée
[Termes IGN] régression logistique
[Termes IGN] risque naturel
[Termes IGN] Trois Gorges, barrage desRésumé : (auteur) This study aims to investigate the application of a class-weighted algorithm combined with conventional machine learning model (logistic regression (LR)) and ensemble machine learning models (LightGBM and random forest (RF)) to the landslide susceptibility evaluation. Wanzhou section of the Three Gorges Reservoir area, China, frequently suffering numerous landslides, is chosen as an example. The class-weighted algorithm focuses on the class-imbalanced issue of landslide and non-landslide samples, and it can turn the class-imbalanced issue into a cost-sensitive machine learning by setting unequal weights for different classes, which contribute to improving the accuracy of landslide susceptibility evaluation. The landslide inventory database was produced by field investigation and remote sensing images derived from Google Earth. Of the 233 landslides in the inventory, 40% were used for validation, and the remaining 60% were used for training purposes. Twelve environmental parameters (elevation, slope, aspect, curvature, distance to river, NDVI, NDWI, rainfall, seismic intensity, land use, TRI, lithology) were treated as inputs of the models to produce a landslide susceptibility map (LSM). The AUC value, Balanced accuracy, and Geometric mean score were utilized to estimate the quality of models. The result shows that the weighted models (weighted logistic regression (WLR), weighted LightGBM (WLightGBM), weighted random forest (WRF) have higher AUC values, Balanced accuracy, and Geometric mean scores than those of unweighted methods, which demonstrates that the weighted models exhibit better than unweighted models, with the WRF model having the best performance. The landslide susceptibility map of the Wanzhou section displays that the high and very high landslide susceptibility zones are mainly distributed on both sides of the river. The insights from this research will be useful for ameliorating the landslide susceptibility mapping and the prevention and mitigation for the Wanzhou section. Numéro de notice : A2022-029 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1016/j.cageo.2021.104966Get rights and content Date de publication en ligne : 27/10/2021 En ligne : https://doi.org/10.1016/j.cageo.2021.104966Get rights and content Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99268
in Computers & geosciences > vol 158 (January 2022) . - n° 104966[article]Éléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois / Rémy Decelle (2022)
![]()
Titre : Éléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois Type de document : Thèse/HDR Auteurs : Rémy Decelle, Auteur ; Isabelle Debled-Rennesson, Auteur ; Fleur Longuetaud, Auteur Editeur : Nancy, Metz : Université de Lorraine Année de publication : 2022 Importance : 214 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du Doctorat de l'Université de Lorraine, Mention InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] aubier
[Termes IGN] cerne
[Termes IGN] classification par nuées dynamiques
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] duramen
[Termes IGN] filtre
[Termes IGN] grume
[Termes IGN] morphologie mathématique
[Termes IGN] niveau de gris (image)
[Termes IGN] optimisation par colonie de fourmis
[Termes IGN] qualité du bois
[Termes IGN] représentation discrète
[Termes IGN] segmentation d'image
[Termes IGN] seuillageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Dans le contexte du changement climatique et de son atténuation, du développement de la bioéconomie circulaire, et d'une pression accrue qui en découle sur la ressource en bois, un des axes de recherche prioritaire est l'optimisation de la transformation de cette ressource qui peut se faire à différents niveaux. L'objectif ici est d'extraire des informations sur la qualité du bois à partir de l'analyse de sections transversales du grumes ou billons de bois en forêt ou en scierie. Pour estimer cette qualité, plusieurs caractéristiques visibles peuvent être extraites : zones d'aubier et de duramen, position de la moelle et du centre géométrique, le nombre de cernes et leur largeur. Dans un premier temps, nous nous intéressons à la segmentation de la grume dans l'image. Cette segmentation rend plus simple l'analyse des autres caractéristiques et permet de localiser le centre géométrique. Pour cela, nous proposons plusieurs approches. D'abord, des méthodes classiques issues du traitement d'images sont abordées, comme la méthode des K-Means ou les contours actifs. Nous utilisons également des réseaux de neurones convolutifs. Nous montrons l'avantage des réseaux de neurones par rapport à ces deux autres méthodes. La deuxième caractéristique estimée est la zone de duramen (zone centrale plus colorée). Nous proposons une nouvelle couche d'attention pour les réseaux de neurones utilisant la morphologie mathématique moins souvent utilisée. Les couches d'attention ont permis aux réseaux d'être plus performants en se focalisant sur les informations les plus pertinentes. Dans notre cadre, l'objectif de cette couche est double : réduire la quantité de paramètres et augmenter les performances. Notre couche d'attention montre de meilleures performances par rapport à d'autres couches d'attention. Dans un troisième temps, nous proposons d'analyser les cernes. Notre méthode est en trois grandes étapes. D'abord, un lissage directionnel pour rehausser les cernes (tout en gardant au mieux les contours) et réduire à la fois la texture intracernes et les marques de sciage. Puis, un seuillage adaptatif pour déterminer les zones de cernes potentiels. Enfin, un deuxième seuillage afin d'avoir les limites de cernes. À partir de la segmentation finale, l'analyse des cernes (nombre, largeur moyenne, etc.) est rendue possible. Enfin, l'estimation de la position de la moelle est abordée. Nous proposons une nouvelle approche originale basée sur l'algorithme des colonies de fourmis pour estimer la position de la moelle. L'utilisation de cet algorithme permet de s'abstraire d'une étape habituelle, à savoir l'accumulation des normales aux tangentes des cernes. Notre méthode montre de nombreux avantages par rapport aux approches de l'état de l'art, réseaux de neurones inclus. Dans une dernière partie, nous présenterons un travail en géométrie discrète : un filtre directionnel. Il estime les segments les plus longs en tout point d'un ensemble connexe. La présentation de cet outil est fait par le biais d'un filtre. En appliquant ce filtre, nous pouvons estimer des caractéristiques géométriques à l'échelle locale. Cet outil a pour objectif d'être appliqué aux cernes. Note de contenu : Introduction
1- Techniques de segmentation
2- Segmentation : les applications aux bois
3- Nouvelles approches du traitement d’images appliquées au bois
4- Détection de la moelle dans l’image
5- Filtre directionnel discret
6- ConclusionNuméro de notice : 24061 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Université de Lorraine : 2022 Organisme de stage : Laboratoire LORIA DOI : sans En ligne : https://hal.univ-lorraine.fr/tel-03794911/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102036 Empirical comparison between stochastic and deterministic modifiers over the French Auvergne geoid computation test-bed / Ropesh Goyal in Survey review, vol 54 n° 382 (January 2022)
PermalinkEstimation of Lesser Antilles vertical velocity fields using a GNSS-PPP software comparison / Pierre Sakic-Kieffer (2022)
PermalinkFlood susceptibility mapping using meta-heuristic algorithms / Alireza Arabameri in Geomatics, Natural Hazards and Risk, vol 13 (2022)
PermalinkFusion de données hyperspectrales et panchromatiques dans le domaine réflectif / Yohann Constans (2022)
PermalinkUne généralisation de la méthode de partage des poids dans le cas où la base de sondage est continue / Philippe Brion (2022)
![]()
PermalinkGenetic diversity of sessile oak populations in the Czech Republic / Jakub Dvořák in Journal of forest science, vol 68 n° 1 (January 2022)
PermalinkPermalinkModelling spatial processes in quantitative human geography / A. Stewart Fotheringham in Annals of GIS, vol 28 n° 1 (January 2022)
PermalinkOptimization of deep neural networks: A functional perspective with applications in image classification / Simon Roburin (2022)
PermalinkReprésentation et combinaison de l'information géographique pour l'apprentissage profond / Azelle Courtial (2022)
![]()
Permalink