Centre de documentation
scientifique

Connecting images through time and sources: Introducing low-data, heterogeneous instance retrieval / Dimitri Gominski (2021)  

Public contenu dans ArXiv / Université Cornell (Etats-Unis) (1991)   Titre : Connecting images through time and sources: Introducing low-data, heterogeneous instance retrieval 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 : 5 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] base de données d'images [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] descripteur [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] données hétérogènes [Termes IGN] exploration de données [Termes IGN] extraction de traits caractéristiques [Termes IGN] image multi sources [Termes IGN] indexation sémantique [Termes IGN] précision de la classification [Termes IGN] recherche d'image basée sur le contenu Résumé : (auteur) With impressive results in applications relying on feature learning, deep learning has also blurred the line between algorithm and data. Pick a training dataset, pick a backbone network for feature extraction, and voilà; this usually works fora variety of use cases. But the underlying hypothesis that there exists a training dataset matching the use case is not alwaysmet. Moreover, the demand for interconnections regardless of the variations of the content calls for increasing generalization and robustness in features. An interesting application characterized by these problematics is the connection of historical and cultural databases of images.Through the seemingly simple task of instance retrieval, wepropose to show that it is not trivial to pick features respondingwell to a panel of variations and semantic content. Introducing anew enhanced version of the ALEGORIA benchmark, we compare descriptors using the detailed annotations. We further give in sights about the core problems in instance retrieval, testing fourstate-of-the-art additional techniques to increase performance. Numéro de notice : P2021-001 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Preprint nature-HAL : Préprint DOI : 10.48550/arXiv.2103.10729 Date de publication en ligne : 21/03/2021 En ligne : https://doi.org/10.48550/arXiv.2103.10729 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97398

Description et recherche d’image généralisables pour l’interconnexion et l’analyse multi-source / Dimitri Gominski (2021)  

Public Titre : Description et recherche d’image généralisables pour l’interconnexion et l’analyse multi-source Type de document : Thèse/HDR Auteurs : Dimitri Gominski , Auteur ; Valérie Gouet-Brunet , Directeur de thèse ; Liming Chen, Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2021 Autre Editeur : Lyon : Ecole Centrale de Lyon Projets : Alegoria / Gouet-Brunet, Valérie Note générale : bibliographie thèse soutenue le 9 nov. 2021, à l'Université Gustave Eiffel, dans le cadre de l'École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication, en partenariat avec LaSTIG - Laboratoire en Sciences et Technologies de l'Information Géographique (laboratoire). Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] appariement d'images [Termes IGN] apprentissage profond [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] image multi sources [Termes IGN] indexation sémantique [Termes IGN] méthode robuste [Termes IGN] recherche d'image basée sur le contenu Index. décimale : THESE Thèses et HDR Résumé : (auteur) Avec un volume toujours plus grand d'images accessibles numériquement, établir des connexions pour structurer et analyser les données devient d'autant plus important. Une formulation typique pour connecter entre elles des images sans utiliser de métadonnées est la recherche d'image basée contenu (RIBC). Similairement aux autres applications en vision par ordinateur, la RIBC a bénéficié du pouvoir expressif des réseaux de neurones convolutifs (CNN) et obtenu des résultats inédits sur les benchmarks usuels. Cependant, il est difficile de dire si cette performance est due à la proposition d'architectures et de modèles toujours plus évolués, ou simplement à la présence d'un jeu de données d'entraînement qui correspond bien au cas d'usage, c'est-à-dire qui a des caractéristiques visuelles et sémantiques similaires. En effet, le paradigme habituel du couple modèle-jeu d'entraînement montre ses limites dès lors qu'on sort du cas caractérisé par les données d'entraînement: la performance chute si on teste sur des données différentes ou avec une variabilité trop grande. Cette thèse s'intéresse à cette question avec un regard critique sur les méthodes d'apprentissage profond et leur potentiel réel d'application. Dans un contexte d'imagerie territoriale multi-sources, un benchmark est proposé pour caractériser un nouveau problème de recherche : la recherche d'image hétérogène, "low-data" (sans données d'entraînement), avec un cas d'utilisation où définir un jeu de données d'entraînement et une méthode "baseline" n'est pas facile. Avec ce benchmark, de nouvelles mesures sont proposées pour qualifier la capacité à généraliser du modèle dans un contexte RIBC, puis des solutions techniques qui permettent de s'affranchir de la définition hasardeuse des sus-citées "caractéristiques visuelles et sémantiques similaires". La discussion autour des résultats permet de mettre en valeur une importance probablement trop grande donnée à l'architecture des réseaux de neurones, et des pistes prometteuses dans la RIBC qui fournit des outils agnostiques du modèle utilisé, et permettant d'exploiter les avantages comparatifs de différents modèles entraînés sur différents jeux de données. Enfin, l'intérêt de cette approche généraliste est confirmé par une application à un cas où malgré l'abondance de méthodes et de données, elles sont encapsulées dans un ensemble de petits datasets et donc peu généralisables: la classification d'occupation au sol en imagerie satellite. Numéro de notice : 14738 Affiliation des auteurs : UGE-LASTIG (2020- ) Autre URL associée : vers theses Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse : : Gustave Eiffel : 2021 Organisme de stage : LaSTIG (IGN) & LIRIS (Ecole Centrale de Lyon) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-03629550 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98921

Towards a new generation of digital cartography: The development of neocartography and the geoweb / Marina Tavra in Cartographica, vol 55 n° 4 (Winter 2020)  

Public [article]  inCartographica > vol 55 n° 4 (Winter 2020) . - pp 241 - 250 Titre : Towards a new generation of digital cartography: The development of neocartography and the geoweb Type de document : Article/Communication Auteurs : Marina Tavra, Auteur ; Anja Škara, Auteur Année de publication : 2020 Article en page(s) : pp 241 - 250 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] carte interactive [Termes IGN] cartographie numérique [Termes IGN] cartographie par internet [Termes IGN] évolution technologique [Termes IGN] géoportail [Termes IGN] indexation sémantique [Termes IGN] segmentation sémantique [Termes IGN] web mapping [Termes IGN] WebSIG Résumé : (Auteur) The Third Industrial Revolution evolved through the development of technology in the 1960s and has been mirrored in other professions as well as cartography. The first maps on the Internet for mass use appeared in the late 1990s. In the beginning, they were simple and modest. Computer development was also reflected in the development of digital cartography, and maps become interactive with users. Technology has made collecting spatial data easier and cheaper, and cartography has become available to ordinary users through various tools and services. Accordingly, emerging concepts and terms related to digital cartography are sometimes identical or match part of their domain of meaning. This article offers a review and analysis of keywords pertaining to digital cartography on the Internet. Different indicators are used to show trends in selected keywords’ appearance and, thus, trends in cartography. Numéro de notice : A2020-774 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3138/cart-2019-0028 Date de publication en ligne : 22/12/2020 En ligne : https://doi.org/10.3138/cart-2019-0028 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96687 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
031-2020041	SL	Revue	Centre de documentation	Revues en salle	Disponible

Analyse, structuration et sémantisation des images aériennes [diaporama] / Valérie Gouet-Brunet (2020) 

Public Titre : Analyse, structuration et sémantisation des images aériennes [diaporama] Type de document : Article/Communication Auteurs : Valérie Gouet-Brunet , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2020 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : Séminaire de recherche IGN 2020, De l’acquisition à la valorisation des big geodata du passé 24/02/2020 24/02/2020 Saint-Mandé France Projets : HIATUS / Giordano, Sébastien Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse d'image orientée objet [Termes IGN] géoréférencement indirect [Termes IGN] image aérienne [Termes IGN] image multitemporelle [Termes IGN] indexation documentaire [Termes IGN] indexation sémantique [Termes IGN] indexation spatiale [Termes IGN] segmentation sémantique Résumé : (auteur) Les images aériennes, qu'elles soient verticales ou obliques, apportent un point de vue unique sur notre territoire et son évolution. Les fonds disponibles, numériques ou numérisés, sont de tailles variables entre centaines et millions d’éléments acquis à des périodes différentes, ils sont disséminés au sein de différentes institutions (archives, musées, agences cartographiques, blogs, etc.) et sont généralement répertoriés essentiellement par des métadonnées de qualité variable. Dans ce contexte, nous présenterons deux projets de recherche ANR portés par l'IGN, qui ont pour objectif commun d'apporter une structure spatio-temporelle à ces collections : le projet ALEGORIA se focalise sur l'indexation multimodale et la visualisation des collections institutionnelles iconographiques peu structurées, pour leur structuration, interconnexion et restitution auprès de chercheurs, experts ou utilisateurs en SHS ; le projet HIATUS se concentre quant à lui sur les campagnes de relevés aériens multidate, avec pour objectif la mise en oeuvre d'outils photogrammétriques dédiés à leur géoréférencement précis et à l'extraction d'informations sémantiques sur les états et les évolutions pour des cas d'usage d'utilisation de l'occupation des sols. Numéro de notice : C2020-027 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97802

Documents numériques

peut être téléchargé Analyse, structuration et sémantisation des images aériennes - pdf auteur Adobe Acrobat PDF

High-resolution aerial image labeling with convolutional neural networks / Emmanuel Maggiori in IEEE Transactions on geoscience and remote sensing, vol 55 n° 12 (December 2017)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 55 n° 12 (December 2017) . - pp 7092 - 7103 Titre : High-resolution aerial image labeling with convolutional neural networks Type de document : Article/Communication Auteurs : Emmanuel Maggiori, Auteur ; Yuliya Tarabalka, Auteur ; Guillaume Charpiat, Auteur ; Pierre Alliez, Auteur Année de publication : 2017 Article en page(s) : pp 7092 - 7103 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] image aérienne [Termes IGN] indexation sémantique [Termes IGN] inférence sémantique [Termes IGN] réseau neuronal convolutif Résumé : (Auteur) The problem of dense semantic labeling consists in assigning semantic labels to every pixel in an image. In the context of aerial image analysis, it is particularly important to yield high-resolution outputs. In order to use convolutional neural networks (CNNs) for this task, it is required to design new specific architectures to provide fine-grained classification maps. Many dense semantic labeling CNNs have been recently proposed. Our first contribution is an in-depth analysis of these architectures. We establish the desired properties of an ideal semantic labeling CNN, and assess how those methods stand with regard to these properties. We observe that even though they provide competitive results, these CNNs often underexploit properties of semantic labeling that could lead to more effective and efficient architectures. Out of these observations, we then derive a CNN framework specifically adapted to the semantic labeling problem. In addition to learning features at different resolutions, it learns how to combine these features. By integrating local and global information in an efficient and flexible manner, it outperforms previous techniques. We evaluate the proposed framework and compare it with state-of-the-art architectures on public benchmarks of high-resolution aerial image labeling. Numéro de notice : A2017-769 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2017.2740362 En ligne : https://doi.org/10.1109/TGRS.2017.2740362 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88808 [article]

Recherche des objets mobiles dans les réseaux routiers : Une approche basée sur l’analyse formelle de concepts / Hafedh Ferchichi in Revue internationale de géomatique, vol 27 n° 2 (avril - juin 2017)  

Permalink

An exploration of future patterns of the contributions to OpenStreetMap and development of a contribution index / Jamal Jokar Arsanjani in Transactions in GIS, vol 19 n° 6 (December 2015)  

Permalink

Analyse du comportement d’annotation du réseau social d’un utilisateur pour la détection des intérêts. Application sur Delicious / Manel Mezghani in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 20 n° 4 (juillet - août 2015)  

Permalink

Diversité dans la recherche d'entités / Imène Saidi in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 19 n° 3 (mai - juin 2014)  

Permalink

IC 2010, Ingénierie des Connaissances 2010, 21es journées francophones, 9 - 10 juin 2010, Nîmes, France / Sylvie Desprès (2010)

Permalink

Indexation sémantique d'images géoréférencées / W. Viana in Revue internationale de géomatique, vol 19 n° 2 (juin - aout 2009)  

Permalink

Extraction et Gestion des Connaissances, EGC 2008, 8es journées francophones, 29 janvier 2008, Sophia Antipolis, France / Marie-Aude Aufaure Portier (2008)

Permalink

Atelier thématique GDR I3, 3 juillet 2007, Grenoble, France / Philippe Laublet (2007) 

Permalink

Modelling and searching web-based document collections / Roelof Van Zwol (2002)

Permalink