Centre de documentation
scientifique

PSMNet-FusionX3 : LiDAR-guided deep learning stereo dense matching on aerial images / Teng Wu (2023)  

Public Titre : PSMNet-FusionX3 : LiDAR-guided deep learning stereo dense matching on aerial images Type de document : Article/Communication Auteurs : Teng Wu , Auteur ; Bruno Vallet , Auteur ; Marc Pierrot-Deseilligny , Auteur Editeur : Computer vision foundation CVF Année de publication : 2023 Conférence : CVPR 2023, IEEE Conference on Computer Vision and Pattern Recognition workshops 18/06/2023 22/06/2023 Vancouver Colombie britannique - Canada OA Proceedings Importance : pp 6526 - 6535 Note générale : bibliographie voir aussi https://openaccess.thecvf.com/content/CVPR2023W/PCV/supplemental/Wu_PSMNet-FusionX3_LiDAR-Guided_Deep_CVPRW_2023_supplemental.pdf Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] appariement dense [Termes IGN] apprentissage profond [Termes IGN] chaîne de traitement [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] image aérienne à axe vertical [Termes IGN] scène 3D [Termes IGN] Triangulated Irregular Network Résumé : (auteur) Dense image matching (DIM) and LiDAR are two complementary techniques for recovering the 3D geometry of real scenes. While DIM provides dense surfaces, they are often noisy and contaminated with outliers. Conversely, LiDAR is more accurate and robust, but less dense and more expensive compared to DIM. In this work, we investigate learning-based methods to refine surfaces produced by photogrammetry with sparse LiDAR point clouds. Unlike the current state-of-the-art approaches in the computer vision community, our focus is on aerial acquisitions typical in photogrammetry. We propose a densification pipeline that adopts a PSMNet backbone with triangulated irregular network interpolation based expansion, feature enhancement in cost volume, and conditional cost volume normalization, i.e. PSMNet-FusionX3. Our method works better on low density and is less sensitive to distribution, demonstrating its effectiveness across a range of LiDAR point cloud densities and distributions, including analyses of dataset shifts. Furthermore, we have made both our aerial (image and disparity) dataset and code available for public use. Further information can be found at https://github.com/ whuwuteng/PSMNet-FusionX3. Numéro de notice : C2023-006 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication DOI : sans En ligne : https://openaccess.thecvf.com/content/CVPR2023W/PCV/papers/Wu_PSMNet-FusionX3_Li [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103277

FLAIR: French Land cover from Aerial ImageRy - Challenge FLAIR #1: semantic segmentation and domain adaptation / Anatol Garioud (2022)  

Public 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 sémantique Résumé : (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

Les inventaires forestiers nationaux : des méthodes dynamiques pour un sujet dynamique / Olivier Bouriaud (2021)

Public Titre : Les inventaires forestiers nationaux : des méthodes dynamiques pour un sujet dynamique Type de document : Article/Communication Auteurs : Olivier Bouriaud , Auteur ; Philippe Brion, Auteur ; Guillaume Chauvet, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2021 Projets : 1-Pas de projet / Conférence : Sondages 2021, 11th international francophone conference on surveys 06/10/2021 08/10/2021 Bruxelles Belgique OA Proceedings Importance : 7 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Termes IGN] enjeu [Termes IGN] image aérienne à axe vertical [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] inventaire forestier national (données France) [Termes IGN] stratification [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) L’exploitation des ressources forestières a, dès ses débuts, fait apparaître le besoin d’avoir des connaissances fines de leur état et de leur dynamique. Le premier inventaire forestier en France a plus de cent ans et la création d’un institut dédié à l’inventaire forestier national, plus de 50 ans. Initialement conçus pour quantifier des surfaces de forêts et des volumes de bois, de l’échelle nationale jusqu’aux départements, les inventaires ont évolué continûment en incorporant les indicateurs environnementaux décrivant les services écologiques nouvellement demandés aux forêts. Les inventaires forestiers nationaux doivent faire face à de multiples difficultés qui ont imposé des contraintes fortes sur leurs méthodes : la surface des forêts, donc du domaine d’étude, est inconnue et en perpétuel changement, la population d’arbres elle-même est en constant renouvellement. Accessibilité et faisabilité font de cette population un sujet très difficile à enquêter. Dans ces conditions, les méthodes d’échantillonnage ont dû apprendre à utiliser toute source d’information pouvant aider l’enquête. Ainsi les images aériennes sont apparues comme une source privilégiée pour contribuer à l’estimation de la surface des forêts. Ceci a conduit à la mise en œuvre d’échantillonnages complexes, tels que l’échantillonnage en deux phases intégrant une stratification. Les images aériennes sont en effet une source d’information privilégiée pour définir des strates, en raison de leur couverture spatiale, tandis que les mesures de terrain permettent d’observer les variables d’intérêt au sein des strates. Les inventaires forestiers doivent également prendre en compte le côté « continu » de la forêt conjointement avec le fait que la population des arbres est finie, même si sa taille est très grande. Les estimations doivent s’adapter à cette dualité. Les nouveaux objectifs fixés récemment à l’utilisation de la ressource forestière, en particulier concernant la réduction de la part de matériaux et énergies non renouvelables, imposent également de fournir des estimations à l’échelle des territoires, échelle pour laquelle les inventaires forestiers nationaux ne sont pas conçus, la densité de points de terrain étant localement faible. Cette demande pousse les inventaires à investir dans les estimations sur petits domaines. L’apparition de nouvelles couvertures spatiales à très haute densité et résolution ouvre des perspectives nouvelles. Mais passer d’estimations traditionnellement basées sur l’échantillonnage à des estimations intégrant une modélisation n’est pas sans poser un certain nombre de questions et défis. Numéro de notice : C2021-038 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99175

Documents numériques

peut être téléchargé Les inventaires forestiers nationaux - diaporama Adobe Acrobat PDF

peut être téléchargé Les inventaires forestiers nationaux - pdf éditeur Adobe Acrobat PDF

Learning embeddings for cross-time geographic areas represented as graphs / Margarita Khokhlova (2021)  

Public Titre : Learning embeddings for cross-time geographic areas represented as graphs Type de document : Article/Communication Auteurs : Margarita Khokhlova , Auteur ; Nathalie Abadie , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Editeur : New York [Etats-Unis] : Association for computing machinery ACM Année de publication : 2021 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : SAC 2021, 36th Annual ACM Symposium on Applied Computing 22/03/2021 26/03/2021 en ligne Belgique Proceedings ACM Importance : pp 559 - 568 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] arête [Termes IGN] classification par réseau neuronal [Termes IGN] entité géographique [Termes IGN] graphe flou [Termes IGN] image aérienne à axe vertical [Termes IGN] noeud [Termes IGN] relation spatiale [Termes IGN] représentation graphique [Termes IGN] réseau neuronal de graphes Résumé : (auteur) Geographic entities from the vertical aerial images can be viewed as discrete objects and represented as nodes in a graph, linked to each other by edges capturing their spatial relationships. Over time, the natural and man made landscape may evolve and thus also their graph representations. This paper addresses the challenging problem of the retrieval and fuzzy matching of graphs to localize near-identical geographical areas across time. Several use-case scenarios are proposed for the end-to-end learning of a graph embedding using Graph Neural Networks (GNN), along with an effective baseline without learning. The results demonstrate the efficiency of our approach, that enables efficient similarity reasoning for novel hand-engineered cross-time graph data. Code and data processing scripts are available online. Numéro de notice : C2021-002 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1145/3412841.3441936 En ligne : https://doi.org/10.1145/3412841.3441936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97583

Unifying remote sensing image retrieval and classification with robust fine-tuning / Dimitri Gominski (2021)  

Public Titre : Unifying remote sensing image retrieval and classification with robust fine-tuning Type de document : Article/Communication Auteurs : Dimitri Gominski , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2021 Projets : Alegoria / Gouet-Brunet, Valérie Importance : 7 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse d'image numérique [Termes IGN] apprentissage profond [Termes IGN] base de données d'images [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] image aérienne à axe vertical [Termes IGN] image aérienne oblique [Termes IGN] jeu de données [Termes IGN] précision de la classification [Termes IGN] recherche d'image basée sur le contenu Résumé : (auteur) Advances in high resolution remote sensing image analysisare currently hampered by the difficulty of gathering enoughannotated data for training deep learning methods, giving riseto a variety of small datasets and associated dataset-specificmethods. Moreover, typical tasks such as classification andretrieval lack a systematic evaluation on standard benchmarksand training datasets, which make it hard to identify durableand generalizable scientific contributions. We aim at uni-fying remote sensing image retrieval and classification witha new large-scale training and testing dataset, SF3001, in-cluding both vertical and oblique aerial images and madeavailable to the research community, and an associated fine-tuning method. We additionally propose a new adversarialfine-tuning method for global descriptors. We show that ourframework systematically achieves a boost of retrievalandclassification performance on nine different datasets com-pared to an ImageNet pretrained baseline, with currently noother method to compare to. Numéro de notice : P2021-003 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Preprint nature-HAL : Préprint DOI : 10.48550/arXiv.2102.13392 En ligne : https://doi.org/10.48550/arXiv.2102.13392 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97283

A spatio-temporal web-application for the understanding of the formation of the Parisian metropolis / Emile Blettery in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol VI-4/W1 ([03/09/2020])  

Permalink

GNSS-assisted accurate corridor mapping with small UAV / Yilin Zhou (2018)    

Permalink

Réseaux de neurones convolutionnels profonds pour la détection de petits véhicules en imagerie aérienne / Jean Ogier du Terrail (2018)  

Permalink

Automatic rough georeferencing of multiview oblique and vertical aerial image datasets of urban scenes / Styliani Verykokou in Photogrammetric record, vol 31 n° 155 (September - November 2016)  

Permalink

Note technique : Apport de la photogrammétrie au suivi topographique de la flèche littorale de Joal (Sénégal) / Mamadou Sadio in Photo interprétation, European journal of applied remote sensing, vol 51 n° 3 (septembre 2015)

Permalink

Oblique aerial image acquisition, 3D city modeling, 3D city guide project for Konya metropolitan municipality / Tuncer Ozerbil in International journal of 3-D information modeling, vol 4 n° 2 (April - June 2015)  

Permalink

Orthophotographie nocturne à haute résolution : la nuit, vue du ciel / Eva Frangiamone in Géomatique suisse, vol 112 n° 12 (décembre 2014)

Permalink

Mise en oeuvre des prises de vues aériennes par drone pour le suivi de site archéologique / Anna Mouget (2013) 

Permalink

Où en est-on de la 3D ? / Anonyme in Géomatique expert, n° 89 (01/11/2012)

Permalink

Photogrammetric control points from airborne laser scanner data / Q. Dalmolin in Revue Française de Photogrammétrie et de Télédétection, n° 198 - 199 (Septembre 2012)  

Permalink