Descripteur
Documents disponibles dans cette catégorie (66)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
Etendre la recherche sur niveau(x) vers le bas
Deep learning based 2D and 3D object detection and tracking on monocular video in the context of autonomous vehicles / Zhujun Xu (2022)
![]()
Titre : Deep learning based 2D and 3D object detection and tracking on monocular video in the context of autonomous vehicles Type de document : Thèse/HDR Auteurs : Zhujun Xu, Auteur ; Eric Chaumette, Directeur de thèse ; Damien Vivet, Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2022 Importance : 136 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité Informatique et TélécommunicationsLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] architecture de réseau
[Termes IGN] détection d'objet
[Termes IGN] échantillonnage de données
[Termes IGN] objet 3D
[Termes IGN] segmentation d'image
[Termes IGN] véhicule automobile
[Termes IGN] vidéo
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The objective of this thesis is to develop deep learning based 2D and 3D object detection and tracking methods on monocular video and apply them to the context of autonomous vehicles. Actually, when directly using still image detectors to process a video stream, the accuracy suffers from sampled image quality problems. Moreover, generating 3D annotations is time-consuming and expensive due to the data fusion and large numbers of frames. We therefore take advantage of the temporal information in videos such as the object consistency, to improve the performance. The methods should not introduce too much extra computational burden, since the autonomous vehicle demands a real-time performance.Multiple methods can be involved in different steps, for example, data preparation, network architecture and post-processing. First, we propose a post-processing method called heatmap propagation based on a one-stage detector CenterNet for video object detection. Our method propagates the previous reliable long-term detection in the form of heatmap to the upcoming frame. Then, to distinguish different objects of the same class, we propose a frame-to-frame network architecture for video instance segmentation by using the instance sequence queries. The tracking of instances is achieved without extra post-processing for data association. Finally, we propose a semi-supervised learning method to generate 3D annotations for 2D video object tracking dataset. This helps to enrich the training process for 3D object detection. Each of the three methods can be individually applied to leverage image detectors to video applications. We also propose two complete network structures to solve 2D and 3D object detection and tracking on monocular video. Note de contenu : 1- Introduction
2- Video object detection avec la heatmap propagation (propagation de carte de chaleur)
3- Video instance segmentation with instance sequence queries
4- Semi-supervised learning of monocular 3D object detection with 2D video tracking annotations
5- Conclusions and perspectivesNuméro de notice : 24072 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique et Télécommunications : Toulouse : 2022 DOI : sans En ligne : https://www.theses.fr/2022ESAE0019 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102136 Détection des prairies de fauche et estimation des périodes de fauche par télédétection / Emma Seneschal (2022)
![]()
Titre : Détection des prairies de fauche et estimation des périodes de fauche par télédétection Type de document : Mémoire Auteurs : Emma Seneschal, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2022 Importance : 103 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] apprentissage profond
[Termes IGN] Aves
[Termes IGN] Cantal (15)
[Termes IGN] cartographie thématique
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] échantillonnage de données
[Termes IGN] habitat animal
[Termes IGN] image multibande
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] Jura (39)
[Termes IGN] Perceptron multicouche
[Termes IGN] prairie
[Termes IGN] régressionIndex. décimale : IGAST Mémoires du Master Information Géographique, Analyse Spatiale et Télédétection Résumé : (auteur) Ce travail s’inscrit dans le projet Parcelle qui vise à promouvoir le développement de la chaîne de traitement Iota2, développée par le CESBIO. Dans ce cadre-là, une collaboration s’est développée avec l’OFB qui a besoin de cartographier les prairies de fauche précoce dans le cadre de son «Observatoire National de l’Ecosystème Prairie de Fauche» (ONEPF). Le report des fauches est plébiscité depuis de nombreuses années face au déclin de l’avifaune prairiale. Des programmes agri-environnementaux incitent les agriculteurs à reporter les fenaisons jusqu’à mi-juillet. Les cartographies du suivi des prairies de fauche avec une récolte tardive constitueraient un outil de suivi des surfaces de l’habitat potentiellement favorable à la reproduction des oiseaux prairiaux en France. L’utilisation de la télédétection avec Iota2 permettrait une production annuelle plus rapide et moins coûteuse par rapport à des campagnes terrains et au processus actuel de production. Ce travail répond aux problématiques suivantes :
— Comment et avec quelle précision peut-on identifier et cartographier les prairies de fauche en France ?
— Est-il possible d’estimer la période de fauche et à quelle précision ?
Les séries temporelles denses, multi-spectrales et à haute résolution des satellites S1 & S2 ont été retenues pour l’étude des gestions des prairies (fauche, pâture et mixte). Les comportements des prairies selon leur mode de gestion ont été analysés grâce aux profils spectro-temporels des parcelles (bandes et indices spectraux issus de S2). Iota2 a été utilisé pour classifier avec Random Forest ou Deep Learning les prairies selon leur type de gestion. Plusieurs configurations ont été testées : calcul d’indices spectraux, ajout d’informations dérivées de MNT, augmentation de données, modification de l’architecture du réseau de neurones profonds, etc. Les cartographies prédictives des prairies de fauche ont été générées pour les années 2019 et 2021 respectivement sur les zones géographiques Jura-Mâconais et du Cantal. De meilleurs résultats ont été obtenus avec les échantillons d’apprentissage des sites du Jura et de Mâcon (F-score de 0.96 pour les parcelles de fauche). Les nouvelles fonctionnalités de Iota2 ont permis d’estimer la période de fauche par régression (avec un MultiLayerPerceptron). Les premiers résultats réalisés avec les séries temporelles S2 semblent prometteurs (R2 supérieurs à 0.5 et bonnes précisions). Ainsi, Iota2 est un outil performant qui permet la production rapide et qualitative de cartes de suivi des gestions prairiales en intégrant la télédétection. Iota2 pourrait être intégrée dans le processus de l’ONEPF.Note de contenu : Introduction
1- Avifaune et prairie
2- Prairies et télédétection
3- Données
4- Détection des prairies de fauche
5- Détection des périodes de fauche
ConclusionNuméro de notice : 24021 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : CESBIO Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101819 Documents numériques
en open access
Détection des prairies... - pdf auteur -Adobe Acrobat PDFDisaster intensity-based selection of training samples for remote sensing building damage classification / Luis Moya in IEEE Transactions on geoscience and remote sensing, vol 59 n° 10 (October 2021)
![]()
[article]
Titre : Disaster intensity-based selection of training samples for remote sensing building damage classification Type de document : Article/Communication Auteurs : Luis Moya, Auteur ; Christian Geiss, Auteur ; Masakazu Hashimoto, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 8288 - 8304 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] déformation d'édifice
[Termes IGN] détection de changement
[Termes IGN] détection du bâti
[Termes IGN] dommage matériel
[Termes IGN] données de terrain
[Termes IGN] échantillonnage de données
[Termes IGN] image optique
[Termes IGN] inondation
[Termes IGN] séismeRésumé : (auteur) Previous applications of machine learning in remote sensing for the identification of damaged buildings in the aftermath of a large-scale disaster have been successful. However, standard methods do not consider the complexity and costs of compiling a training data set after a large-scale disaster. In this article, we study disaster events in which the intensity can be modeled via numerical simulation and/or instrumentation. For such cases, two fully automatic procedures for the detection of severely damaged buildings are introduced. The fundamental assumption is that samples that are located in areas with low disaster intensity mainly represent nondamaged buildings. Furthermore, areas with moderate to strong disaster intensities likely contain damaged and nondamaged buildings. Under this assumption, a procedure that is based on the automatic selection of training samples for learning and calibrating the standard support vector machine classifier is utilized. The second procedure is based on the use of two regularization parameters to define the support vectors. These frameworks avoid the collection of labeled building samples via field surveys and/or visual inspection of optical images, which requires a significant amount of time. The performance of the proposed method is evaluated via application to three real cases: the 2011 Tohoku-Oki earthquake–tsunami, the 2016 Kumamoto earthquake, and the 2018 Okayama floods. The resulted accuracy ranges between 0.85 and 0.89, and thus, it shows that the result can be used for the rapid allocation of affected buildings. Numéro de notice : A2021-711 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2020.3046004 Date de publication en ligne : 13/01/2021 En ligne : https://doi.org/10.1109/TGRS.2020.3046004 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98615
in IEEE Transactions on geoscience and remote sensing > vol 59 n° 10 (October 2021) . - pp 8288 - 8304[article]An incremental isomap method for hyperspectral dimensionality reduction and classification / Yi Ma in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 6 (June 2021)
![]()
[article]
Titre : An incremental isomap method for hyperspectral dimensionality reduction and classification Type de document : Article/Communication Auteurs : Yi Ma, Auteur ; Zezhong Zheng, Auteur ; Yutang Ma, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 445 - 455 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] algorithme d'apprentissage
[Termes IGN] classification barycentrique
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] échantillonnage de données
[Termes IGN] image AVIRIS
[Termes IGN] image hyperspectrale
[Termes IGN] squelettisation
[Termes IGN] utilisation du solRésumé : (Auteur) Many manifold learning algorithms conduct an eigen vector analysis on a data-similarity matrix with a size of N×N, where N is the number of data points. Thus, the memory complexity of the analysis is no less than O(N2). We present in this article an incremental manifold learning approach to handle large hyperspectral data sets for land use identification. In our method, the number of dimensions for the high-dimensional hyperspectral-image data set is obtained with the training data set. A local curvature variation algorithm is utilized to sample a subset of data points as landmarks. Then a manifold skeleton is identified based on the landmarks. Our method is validated on three AVIRIS hyperspectral data sets, outperforming the comparison algorithms with a k–nearest-neighbor classifier and achieving the second best performance with support vector machine. Numéro de notice : A2021-375 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.7.445 Date de publication en ligne : 01/06/2021 En ligne : https://doi.org/10.14358/PERS.87.7.445 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97829
in Photogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 6 (June 2021) . - pp 445 - 455[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2021061 SL Revue Centre de documentation Revues en salle Disponible Characterization of mixed and monospecific stands of Scots pine and Maritime pine: soil profile, physiography, climate and vegetation cover data / Daphne Lopez-Marcos in Annals of Forest Science, vol 78 n° 2 (June 2021)
![]()
[article]
Titre : Characterization of mixed and monospecific stands of Scots pine and Maritime pine: soil profile, physiography, climate and vegetation cover data Type de document : Article/Communication Auteurs : Daphne Lopez-Marcos, Auteur ; Maria-Belen Turrion, Auteur ; Felipe Bravo, Auteur ; Carolina Martinez-Ruiz, Auteur Année de publication : 2021 Article en page(s) : Article 28 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] composition d'un peuplement forestier
[Termes IGN] couvert forestier
[Termes IGN] données environnementales
[Termes IGN] échantillonnage de données
[Termes IGN] Espagne
[Termes IGN] état du sol
[Termes IGN] humidité du sol
[Termes IGN] peuplement mélangé
[Termes IGN] Pinus pinaster
[Termes IGN] Pinus sylvestris
[Vedettes matières IGN] Inventaire forestierRésumé : (Auteur) This document provides valuable environmental information about a triplets’ essay of Scots pine and Maritime pine in Spain. The dataset characterizes the soil profile (physicochemical parameters of organic and mineral horizons), climate, physiography, understory and overstory. Numéro de notice : A2021-328 Affiliation des auteurs : non IGN Thématique : FORET Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s13595-021-01042-7 Date de publication en ligne : 22/03/2021 En ligne : https://doi.org/10.1007/s13595-021-01042-7 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97489
in Annals of Forest Science > vol 78 n° 2 (June 2021) . - Article 28[article]Understanding collective human movement dynamics during large-scale events using big geosocial data analytics / Junchuan Fan in Computers, Environment and Urban Systems, vol 87 (May 2021)
PermalinkInferencing hourly traffic volume using data-driven machine learning and graph theory / Zhiyan Yi in Computers, Environment and Urban Systems, vol 85 (January 2021)
PermalinkTime-series analysis of massive satellite images : Application to earth observation / Alexandre Constantin (2021)
PermalinkThe effect of different sampling schemes on estimation precision of snow water equivalent (SWE) using geostatistics techniques in a semi-arid region of Iran / Hojatolah Ganjkhanlo in Geocarto international, vol 35 n° 16 ([01/12/2020])
PermalinkFusing adjacent-track InSAR datasets to densify the temporal resolution of time-series 3-D displacement estimation over mining areas with a prior deformation model and a generalized weighting least-squares method / Yuedong Wang in Journal of geodesy, vol 94 n° 5 (May 2020)
PermalinkSize-class structure of the forests of Finland during 1921–2013: a recovery from centuries of exploitation, guided by forest policies / Helena M. Henttonen in European Journal of Forest Research, vol 139 n° 2 (April 2020)
PermalinkAssessment of the Baspa basin glaciers mass budget using different remote sensing methods and modeling techniques / Vinay Kumar Gaddam in Geocarto international, vol 35 n° 3 ([01/03/2020])
PermalinkCan mixed pine forests conserve understory richness by improving the establishment of understory species typical of native oak forests? / Daphne Lopez-Marcos in Annals of Forest Science, Vol 77 n° 1 (March 2020)
PermalinkTransferring deep learning models for cloud detection between Landsat-8 and Proba-V / Gonzalo Mateo-García in ISPRS Journal of photogrammetry and remote sensing, vol 160 (February 2020)
PermalinkPermalink