Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données
analyse de donnéesSynonyme(s)analyse statistique analyse des donnéesVoir aussi |
Documents disponibles dans cette catégorie (2640)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
Etendre la recherche sur niveau(x) vers le bas
Exploring data fusion for multi-object detection for intelligent transportation systems using deep learning / Amira Mimouna (2022)
![]()
Titre : Exploring data fusion for multi-object detection for intelligent transportation systems using deep learning Type de document : Thèse/HDR Auteurs : Amira Mimouna, Auteur ; Abdelmalik Taleb-Ahmed, Directeur de thèse ; Najoua Essoukri Ben Amara, Directeur de thèse Editeur : Valenciennes : Université polytechnique Hauts-de-France Année de publication : 2022 Note générale : bibliographie
Thèse de doctorat pour obtenir le grade de Docteur de l'Université polytechnique Hauts-de-France et l'INSA Hauts-de-France et l'Université de Sousse, spécialité Electronique, Acoustique et TélécommunicationsLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] détection d'objet
[Termes IGN] données publiques
[Termes IGN] entropie
[Termes IGN] profil d'obstacle
[Termes IGN] segmentation d'image
[Termes IGN] système de transport intelligent
[Termes IGN] trafic urbain
[Termes IGN] transformation en ondelettes
[Termes IGN] vision par ordinateur
[Termes IGN] zone d'intérêtIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Building reliable environment perception systems is a crucial task for autonomous driving, especially in dense traffic areas. Researching in this field is evolving increasingly. However, we are at the beginning of a research pathway towards a future generation of intelligent transportation systems. In fact, challenging conditions in real-world driving circumstances, infrastructure monitoring, and accurate real-time system response, are the predominant concerns when developing such systems. Recent improvements and breakthroughs in scene understanding for intelligent transportation systems have been mainly based on deep learning and the fusion of different modalities. In this context, firstly, we introduce OLIMP : A heterOgeneous MuLtimodal Dataset for Advanced EnvIronMent Perception . This is the first public, multimodal and synchronized dataset that includes Ultra Wide-Band (UWB) radar data, acoustic data, narrowband radar data and images. OLIMP comprises 407 scenes and 47,354 synchronized frames, including four categories: pedestrians, cyclists, cars and trams. The dataset presents various challenges related to dense urban traffic such as cluttered environments and differentweather conditions. To demonstrate the usefulness of the introduced dataset, we propose, afterwards, a fusion framework that combines the four modalities for multi object detection. The obtained results are promising and spur for future research. In short range settings, UWB radars represent a promising technology for building reliable obstacle detection systems as they are robust to environmental conditions. However, UWB radars suffer from a segmentation challenge: localizing relevant Regions Of Interests (ROIs) within its signals. Therefore, we put froward a segmentation approach to detect ROIs in an environment perception-dedicated UWB radar as a third contribution. Specifically, we implement a differential entropy analysis to detect ROIs. The obtained results show higher performance in terms of obstacle detection compared to state-of-theart techniques, as well as stable robustness even with low amplitude signals. Subsequently, we propose a novel framework that exploits Recurrent Neural Networks (RNNs) with UWB signals for multiple road obstacle detection as a deep learning-based approach. Features are extracted from the time-frequency domain using the discrete wavelet transform and are forwarded to the Long short-term memory (LSTM) network. The obtained results show that the LSTM-based system outperforms the other implemented related techniques in terms of obstacle detection. Note de contenu : 1- Introduction
2- Environment perception system: State of the art
3- OLIMP: A heterogeneous multimodal dataset for advanced environment perception
4- Multiple object detectors using UWB signals
5- Conclusions and perspectivesNuméro de notice : 15289 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Electronique, Acoustique et Télécommunications : Université polytechnique Hauts-de-France : 2022 Organisme de stage : Institut d'électronique, de microélectronique et de nanotechnologie DOI : sans En ligne : https://hal.science/tel-03522730 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101520 FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation / Anatol Garioud (2022)
![]()
Titre : FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation Type de document : Article/Communication Auteurs : Anatol Garioud , Auteur ; Stéphane Peillet, Auteur ; Eva Bookjans, Auteur ; Sébastien Giordano
, Auteur ; Boris Wattrelos
, Auteur
Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Importance : 9 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] base de données d'occupation du sol
[Termes IGN] image aérienne à axe vertical
[Termes IGN] jeu de données localisées
[Termes IGN] segmentation sémantiqueRésumé : (auteur) [context] The French National Institute of Geographical and Forest Information (IGN) has the mission to document and measure land-cover on French territory and provides referential geographical datasets, including high-resolution aerial images and topographic maps. The monitoring of land-cover plays a crucial role in land management and planning initiatives, which can have significant socio-economic and environmental impact. Together with remote sensing technologies, artificial intelligence (IA) promises to become a powerful tool in determining land-cover and its evolution. IGN is currently exploring the potential of IA in the production of high-resolution land cover maps. Notably, deep learning methods are employed to obtain a semantic segmentation of aerial images. However, territories as large as France imply heterogeneous contexts: variations in landscapes and image acquisition make it challenging to provide uniform, reliable and accurate results across all of France. The FLAIR-one dataset presented is part of the dataset currently used at IGN to establish the French national reference land cover map "Occupation du sol à grande échelle" (OCS- GE). Numéro de notice : P2022-010 Affiliation des auteurs : IGN (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Preprint nature-HAL : Préprint DOI : 10.48550/arXiv.2211.12979 En ligne : https://doi.org/10.48550/arXiv.2211.12979 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102141 Forest fire susceptibility assessment using Google Earth engine in Gangwon-do, Republic of Korea / Yong Piao in Geomatics, Natural Hazards and Risk, vol 13 (2022)
![]()
[article]
Titre : Forest fire susceptibility assessment using Google Earth engine in Gangwon-do, Republic of Korea Type de document : Article/Communication Auteurs : Yong Piao, Auteur ; Dongkun Lee, Auteur ; Sangjin Park, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 432 - 450 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] aléa
[Termes IGN] cartographie des risques
[Termes IGN] classification et arbre de régression
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] Corée du sud
[Termes IGN] Google Earth Engine
[Termes IGN] incendie de forêt
[Termes IGN] pente
[Termes IGN] risque naturel
[Termes IGN] vulnérabilitéRésumé : (auteur) Forest fires are one of the most frequently occurring natural hazards, causing substantial economic loss and destruction of forest cover. As the Gangwon-do region in Korea has abundant forest resources and ecological diversity as Korea's largest forest area, spatial data on forest fire susceptibility of the region are urgently required. In this study, a forest fire susceptibility map (FFSM) of Gangwon-do was constructed using Google Earth Engine (GEE) and three machine learning algorithms: Classification and Regression Trees (CART), Random Forest (RF), and Boosted Regression Trees (BRT). The factors related to climate, topography, hydrology, and human activity were constructed. To verify the accuracy, the area under the receiver operating characteristic curve (AUC) was used. The AUC values were 0.846 (BRT), 0.835 (RF), 0.751 (CART). Factor importance analysis was performed to identify the important factors of the occurrence of forest fires in Gangwon-do. The results show that the most important factor in the Gangwon-do region is slope. A slope of approximately 17° (moderately steep) has a considerable impact on the occurrence of forest fires. Human activity and interference are the other important factors that affect forest fires. The established FFSM can support future efforts on forest resource protection and environmental management planning in Gangwon-do. Numéro de notice : A2022-445 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/19475705.2022.2030808 Date de publication en ligne : 02/02/2022 En ligne : https://doi.org/10.1080/19475705.2022.2030808 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99942
in Geomatics, Natural Hazards and Risk > vol 13 (2022) . - pp 432 - 450[article]
Titre : Les forêts de pins d’Alep du massif de la Clape Type de document : Rapport Auteurs : Clara Gritti, Auteur ; Sébastien Delhaye , Auteur ; Olivier Argagnon, Auteur
Editeur : Porquerolles : Conservatoire botanique national méditerranéen de Porquerolles Année de publication : 2022 Autre Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Importance : 43 p. Note générale : bibliographie
édité par Conservatoire botanique national méditerranéen, Centre d’Écologie Fonctionnelle et Évolutive (CNRS) et Institut national de l’information géographique et forestièreLangues : Français (fre) Descripteur : [Termes IGN] Aude (11)
[Termes IGN] classification ascendante hiérarchique
[Termes IGN] phytosociologie
[Termes IGN] pineraie
[Termes IGN] Pinus halepensis
[Termes IGN] Quercus ilex
[Vedettes matières IGN] BotaniqueRésumé : (auteur) Les forêts de pins d’Alep (Pinus halepensis Mill.) sont très répandues dans le midi de la France. Pourtant, les connaissances sont encore lacunaires à leur sujet. Dans le site Natura 2000 « Massif de la Clape », sur le littoral audois, les particularités des forêts de pins d’Alep sont étudiées en détails. Une attention particulière est portée à la question de la dynamique de ces forêts, réputées pour être l’un des rares cas de pinèdes climaciques sous nos latitudes. Des relevés phytosociologiques de terrain et des paramètres topographiques et lithologiques sont mis à profit pour approfondir les connaissances sur les caractéristiques floristiques et écologiques de ces forêts. Une classification hiérarchique ascendante met en évidence trois groupes de forêts distincts à l’échelle locale. La même méthode est appliquée à l’échelle de la région méditerranéenne continentale française, pour laquelle six groupes distincts sont identifiés. On peut ainsi replacer les pinèdes du massif de la Clape au sein de leur contexte régional. Finalement, il s’avère que les forêts de la Clape s’inscrivent dans la série de végétation du chêne vert (Quercus ilex L.), comme la plupart des peuplements de la région. Rien ne prouve qu’elles aient atteint un climax. Note de contenu : Introduction
Matériel et méthode
Résultats
Discussion et conclusionNuméro de notice : 14330 Affiliation des auteurs : IGN+Ext (2020- ) Thématique : FORET Nature : Rapport d'étude technique nature-HAL : Rapport DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102917 Documents numériques
peut être téléchargé
Les forêts de pins d’Alep du massif de la Clape - pdf éditeurAdobe Acrobat PDFGénération 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)
![]()
Titre : Génération 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 Type de document : Mémoire Auteurs : Tiecoumba Ibrahim Tamela, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 68 p. Format : 21 x 30 cm Note générale : Bibliographie
Mémoire de Master PPMD Photogrammétrie, Positionnement et Mesure de DéformationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] cadastre napoléonien
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] colorimétrie
[Termes IGN] détection d'objet
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] manuscrit
[Termes IGN] parcelle cadastrale
[Termes IGN] planche cadastrale
[Termes IGN] reconnaissance de caractèresIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Le laboratoire Géomatique et Foncier est un laboratoire du Conservatoire National des Arts et Métiers (CNAM). Le laboratoire mène des recherches sur deux axes principaux à savoir la géomatique et le droit et l’analyse de l’action publique. C’est dans le cadre de la recherche en géomatique, le laboratoire a initié, pour l’amélioration de sa chaîne GeoVectoMoCad (chaîne de vectorisation, Géoréférencement et Mosaïquage du cadastre), un travail sur la reconnaissance de numéros manuscrits sur les planches cadastrales par apprentissage profond. La détection par apprentissage profond, nécessite un jeu de données, similaire aux données que l’on veut étudier et en grandes quantité, pour permettre au réseau d’apprendre avec une partie des données et de faire de bonnes prédictions sur de nouvelles données. Pour cela, nous générons des données synthétiques en extrayant des fonds de cadastre réel sans chiffres, puis nous augmentons la donnée par des transformations et insérons des chiffres de la base de données DIDA. Puis, nous générons un deuxième jeu de données de sous-images extraites directement du cadastre. Enfin, nous appliquons un algorithme de reconnaissance de numéros sur les deux jeux de données. Après avoir appliqué ces algorithmes, nous présentons les résultats qui montrent de bons résultats de détection, mais parfois des problèmes de détection et de reconnaissance. Nous proposons pour terminer des pistes d’amélioration. Note de contenu : Introduction
1- Etat de l'art sur la reconnaissance des chiffres manuscrits des documents anciens
2- Création de jeu de données pour la détection de numéros de parcelles
3- Entrainement et évaluation du modèle sur les données
ConclusionNuméro de notice : 24058 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire masters divers Organisme de stage : Laboratoire de Géomatique et Foncier (ESGT-CNAM) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101964 Documents numériques
en open access
Génération d’un jeu de données... - pdf auteur -Adobe Acrobat PDF PermalinkA 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 canopy height regression and uncertainty estimation from GEDI LIDAR waveforms with deep ensembles / Nico Lang in Remote sensing of environment, vol 268 (January 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)
PermalinkHourly rainfall forecast model using supervised learning algorithm / Qingzhi Zhao in IEEE Transactions on geoscience and remote sensing, vol 60 n° 1 (January 2022)
PermalinkIdentifying map users with eye movement data from map-based spatial tasks: user privacy concerns / Hua Liao in Cartography and Geographic Information Science, vol 49 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)
PermalinkPermalinkInteractive semantic segmentation of aerial images with deep neural networks / Gaston Lenczner (2022)
Permalink