Centre de documentation
scientifique

Deep learning based 3D reconstruction: supervision and representation / François Darmon (2022)  

Public Titre : Deep learning based 3D reconstruction: supervision and representation Type de document : Thèse/HDR Auteurs : François Darmon, Auteur ; Pascal Monasse, Directeur de thèse ; Mathieu Aubry, Directeur de thèse Editeur : Champs-sur-Marne : Ecole des Ponts ParisTech Année de publication : 2022 Importance : 115 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse de doctorat de l'Ecole des Ponts ParisTech, spécialité informatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] appariement d'images [Termes IGN] carte de profondeur [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] extraction [Termes IGN] géométrie épipolaire [Termes IGN] maillage [Termes IGN] modèle stéréoscopique [Termes IGN] point d'intérêt [Termes IGN] Ransac (algorithme) [Termes IGN] reconstruction 3D [Termes IGN] reconstruction d'objet [Termes IGN] semis de points [Termes IGN] SIFT (algorithme) [Termes IGN] structure-from-motion [Termes IGN] voxel Index. décimale : THESE Thèses et HDR Résumé : (auteur) 3D reconstruction is a long standing problem in computer vision. Yet, state-of-the-art methods still struggle when the images used have large illumination changes, many occlusions or limited textures. Deep Learning holds promises of improving 3D reconstruction in such setups, but classical methods still produce the best results. In this thesis we analyse the specificity of deep learning applied to multiview 3D reconstruction and introduce new deep learning based methods.The first contribution of this thesis is an analysis of the possible supervision for training Deep Learning models for sparse image matching. We introduce a two-step algorithm that first computes low resolution matches using deep learning and then matches classical local features inside the matches regions. We analyze several levels of supervision and show that our new epipolar supervision leads to the best results.The second contribution is also a study of supervision for Deep Learning but applied to another scenario: calibrated 3D reconstruction in the wild. We show that existing unsupervised methods do not work on such data and we introduce a new training technique that solves this issue. We then exhaustively compare unsupervised approach and supervised approaches with different network architectures and training data.Finally, our third contribution is about data representation. Neural implicit representation were recently used for image rendering. We adapt this representation to the multiview reconstruction problem and we introduce a new method that, similar to classical 3D reconstruction techniques, optimizes photo-consistency between projections of multiple images. Our approach outperforms state-of-the-art by a large margin. Note de contenu : 1- Introduction 2- Background 3- Deep learning for guiding keypoint matching 4- Deep Learning based Multi-View Stereo in the wild 5- Multi-view reconstruction with implicit surfaces and patch warping 6- Conclusion Numéro de notice : 24085 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Ponts ParisTech : 2022 Organisme de stage : Laboratoire d'Informatique Gaspard-Monge LIGM DOI : sans En ligne : https://www.theses.fr/2022ENPC0024 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102473

Dimension reduction methods applied to coastline extraction on hyperspectral imagery / Ozan Arslan in Geocarto international, vol 35 n° 4 ([15/03/2020])  

Public [article]  inGeocarto international > vol 35 n° 4 [15/03/2020] . - pp 376 - 390 Titre : Dimension reduction methods applied to coastline extraction on hyperspectral imagery Type de document : Article/Communication Auteurs : Ozan Arslan, Auteur ; özer Akyürek, Auteur ; Sinasi Kaya, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 376 - 390 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse en composantes principales [Termes IGN] Bosphore, détroit du [Termes IGN] classification par réseau neuronal [Termes IGN] classification par séparateurs à vaste marge [Termes IGN] détection de contours [Termes IGN] extraction [Termes IGN] image EO1-Hyperion [Termes IGN] image hyperspectrale [Termes IGN] Istanbul (Turquie) [Termes IGN] littoral [Termes IGN] rapport signal sur bruit [Termes IGN] réduction [Termes IGN] télédétection [Termes IGN] trait de côte Résumé : (auteur) In this study, dimensionality reduction (DR) methods on a hyperspectral dataset to explore the influence on the process of extraction of coastlines were examined and performance of different DR algorithms on the detection of coastline in Bosphorus, Istanbul was investigated. Among these methods, principal component (PC) analysis, maximum noise fraction and independent component (IC) analysis were used in the experiments with the aim of comparing. The study was carried out using these well-known DR techniques on a real hyperspectral image, an Hyperion data set with 161 bands, in the course of the experiments. Three different classifiers (i.e. ML, SVM and neural network) were used for the classification of dimensionally reduced and original images to detect coastline in the region. The DR results were evaluated quantitatively and visually in order to determine the reduced dimensions of the image subsets. Findings show that there is no significant influence of using DR methods on the dataset on the detection of coastline. Numéro de notice : A2020-099 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1520920 Date de publication en ligne : 22/10/2018 En ligne : https://doi.org/10.1080/10106049.2018.1520920 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94690 [article]

Estimating the volume of an open-pit mine using UAV photogrammetry / Marion Brunet (2018) 

Public Titre : Estimating the volume of an open-pit mine using UAV photogrammetry Type de document : Mémoire Auteurs : Marion Brunet, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 77 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] carte topographique [Termes IGN] extraction [Termes IGN] GRASS [Termes IGN] image captée par drone [Termes IGN] interpolation [Termes IGN] MicMac [Termes IGN] mine [Termes IGN] minerai [Termes IGN] modèle numérique de surface [Termes IGN] modèle numérique de terrain [Termes IGN] Pix4D [Termes IGN] QGIS [Termes IGN] reconstruction 3D [Termes IGN] Triangulated Irregular Network [Termes IGN] Viet Nam [Termes IGN] volume (grandeur) Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Le but de ce travail est d’estimer, en utilisant des outils photogrammétriques et des SIG, le volume de minerais ayant été extrait d’une mine à ciel ouvert en 6 mois. Le lieu étudié est la mine Ta Zon, située dans la province de Binh Thuan au sud du Vietnam. La méthode suivie a été de construire des MNS et MNT à deux moments différents dans le temps, pour pouvoir les comparer. Un premier MNS a été construit par interpolation à partir d’une carte topographique fournie par la compagnie minière, datant de décembre 2017, à l’aide de QGIS. Pour construire le deuxième MNS, une acquisition par drone a été conduite en juin 2018. Le drone utilisé était le Phantom 4 Pro de la marque DJI. Une fois les photos prises, elles ont été traitées à la fois avec Pix4D Mapper et avec MicMac. Ces deux logiciels ont été utilisés pour pouvoir comparer leurs performances quant à la production d’une reconstruction 3D, d’une orthomosaïque et d’un MNS. Le traitement des images avec Pix4D était très rapide et très simple, et les produits en résultant étaient de bonne qualité. L’utilisation de MicMac a été plus compliquée en raison des spécificités du terrain et du grand nombre de données à traiter. Le traitement des données n’a pas pu être mené à son terme, mais cela a permis de mettre le doigt sur des difficultés pouvant survenir dans d’autres acquisitions par drone du même type ; et de trouver des méthodes pour en résoudre certaines. Une fois les divers MNS obtenus, le SIG GRASS a été utilisé pour soustraire un raster obtenu en juin 2018, à un raster obtenu en décembre 2017. Cela permet d’obtenir un raster contenant les différences d’altitude entre les deux, soit le minerai qui a été extrait. Puis le volume de ce raster a été calculé, toujours en utilisant GRASS. Le résultat trouvé est de l’ordre de 40 000 m3 de minerais extraits en 6 mois, ce qui correspond environ aux chiffres fournis par la mine. Cependant, l’erreur d’estimation de ce volume est de l’ordre de 50 000m3. Cela est dû au fait que les données utilisées manquent de précision, notamment car lors de l’acquisition par drone, seul un point d’appui a pu être utilisé. De plus, les MNE créés par interpolation présentent des imprécisions causées par l’interpolation par triangulation (TIN). Enfin, les MNE ne sont pas les meilleurs outils pour décrire des reliefs accidentés. Une autre solution est proposée, comparant des nuages de points avec l’outil M3C2 de CloudCompare. Il pourrait être intéressant d’explorer cette piste dans des travaux futurs. Note de contenu : Introduction 1- Context of the study 2- Building the 3D model 3- Estimating the extracted volume Conclusion Numéro de notice : 21801 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Ho Chi Minh City University of Technology Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91287

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
21801-01	PROJET	Livre	Centre de documentation	Travaux d'élèves	Disponible

Documents numériques

peut être téléchargé Estimating the volume of an open-pit mine... - pdf auteur Adobe Acrobat PDF

Fusion of graph embedding and sparse representation for feature extraction and classification of hyperspectral imagery / Fulin Luo in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 1 (January 2017)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 83 n° 1 (January 2017) . - pp 37 - 46 Titre : Fusion of graph embedding and sparse representation for feature extraction and classification of hyperspectral imagery Type de document : Article/Communication Auteurs : Fulin Luo, Auteur ; Hong Huang, Auteur ; Jiamin Liu, Auteur ; Zezhong Ma, Auteur Année de publication : 2017 Article en page(s) : pp 37 - 46 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse discriminante [Termes IGN] classification [Termes IGN] extraction [Termes IGN] fusion de données multisource [Termes IGN] graphe [Termes IGN] image hyperspectrale Résumé : (Auteur) The graph embedding algorithms have been widely applied for feature extraction (FE) of hyperspectral imagery (HSI). These methods need to construct a similarity graph with k-nearest neighbors or ∈-radius ball. However, the neighborhood size is difficult to select in real-world applications. To solve the problem, we propose a new unsupervised FE method, called sparsity preserving analysis (SPA), based on sparse representation and graph embedding. The proposed algorithm utilizes sparse representation to obtain the sparse coefficients of data. Then, it constructs a new graph with the sparse coefficients that reveals the sparse properties of data. Finally, the structure of the graph is preserved in low-dimensional space to obtain a transformation matrix for FE. In addition, a new classification method, termed sparse neighborhood classifier (SNC), is designed using the sparse representation-based methodology. It uses the sparse coefficients of a new sample to obtain the similarity weights in each class. Then, the label information of the new sample is obtained by the weights. The classification accuracies of SPA with SNC reach to 86.9 percent and 80.6 percent on PaviaU and Urban HSI data sets, respectively. The results demonstrate that SPA with SNC can effectively extract low-dimensional features and improve the discriminating power for HSI classification. Numéro de notice : A2017-036 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.83.1.37 En ligne : https://doi.org/10.14358/PERS.83.1.37 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84090 [article]

Efficient multiple-feature learning-based hyperspectral image classification with limited training samples / Chongyue Zhao in IEEE Transactions on geoscience and remote sensing, vol 54 n° 7 (July 2016)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 54 n° 7 (July 2016) . - pp 4052 - 4062 Titre : Efficient multiple-feature learning-based hyperspectral image classification with limited training samples Type de document : Article/Communication Auteurs : Chongyue Zhao, Auteur ; Xinbo Gao, Auteur ; Ying Wang, Auteur ; Jie Li, Auteur Année de publication : 2016 Article en page(s) : pp 4052 - 4062 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage dirigé [Termes IGN] classification [Termes IGN] classification bayesienne [Termes IGN] extraction [Termes IGN] image hyperspectrale [Termes IGN] méthode fondée sur le noyau Résumé : (Auteur) Linearly derived features have been widely used in hyperspectral image classification to find linear separability of certain classes in recent years. Moreover, nonlinearly transformed features are more effective for class discrimination in real analysis scenarios. However, few efforts have attempted to combine both linear and nonlinear features in the same framework even if they can demonstrate some complementary properties. Moreover, conventional multiple-feature learning-based approaches deal with different features equally, which is not reasonable. This paper proposes an efficient multiple-feature learning-based model with adaptive weights for effectively classifying complex hyperspectral images with limited training samples. A new diversity kernel function is proposed first to simulate the vision perception and analysis procedure of human beings. It could simultaneously evaluate the contrast differences of global features and spatial coherence. Since existing multiple-kernel feature models are always time-consuming, we then design a new adaptive weighted multiple kernel learning method. It employs kernel projection, which could lower the dimensionalities and also learn kernel weights to further discriminate the classification boundaries. For combining both linear and nonlinear features, this paper also proposes a novel decision fusion strategy. The method combines linear and multiple kernel features to balance the classification results of different classifiers. The proposed scheme is tested on several hyperspectral data sets and extended to multisource feature classification environment. The experimental results show that the proposed classification method outperforms most of the existing ones and significantly reduces the computational complexity. Numéro de notice : A2016-878 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2016.2535538 En ligne : http://dx.doi.org/10.1109/TGRS.2016.2535538 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83041 [article]

A new framework for solving the spatial network problems based on line graphs / Javad Saberian in Transactions in GIS, vol 18 n° 5 (October 2014)  

Permalink

Evaluation de teneurs en plomb dans les rejets des mines de Jalta et de Bougrine (Tunisie) en se basant sur données satellitaires (ASTER) / S. Gannouni in Photo interprétation, European journal of applied remote sensing, vol 46 n° 3-4 (septembre 2010)

Permalink

Extraction of spectral channels from hyperspectral images for classification purposes / S.B. Serpico in IEEE Transactions on geoscience and remote sensing, vol 45 n° 2 (February 2007)  

Permalink

Extraction of ground control points (GCPs) from synthetic aperture radar images and SRTM DEM / S.H. Hong in International Journal of Remote Sensing IJRS, vol 27 n°18 - 19 - 20 (October 2006)  

Permalink

Gaussian decomposition and calibration of a novel small-footprint full-waveform digitising airborne laser scanner / W. Wagner in ISPRS Journal of photogrammetry and remote sensing, vol 60 n° 2 (April 2006)  

Permalink

Apports de l'imagerie satellitaire à la mise à jour de l'information géographique dans les pays de la ceinture tropicale / J.L. Kouame (2006)

Permalink

Portail ouvert à l'IGN / Anonyme in Géomatique expert, n° 48 (01/01/2006)

Permalink

Multi-dimensional scattered ranking methods for geographic information retrieval / Marc Van Kreveld in Geoinformatica, vol 9 n° 1 (March - May 2005)  

Permalink

Estimation of gravity wave momentum flux with spectroscopic imaging / J. Tang in IEEE Transactions on geoscience and remote sensing, vol 43 n° 1 (January 2005)  

Permalink

Data extraction from high resolution satellite images / S. Subramanian in GEO:connexion, vol 3 n° 8 (september 2004)

Permalink