Descripteur
Termes IGN > sciences naturelles > physique > traitement d'image > analyse d'image numérique > analyse d'image orientée objet
analyse d'image orientée objetVoir aussi |
Documents disponibles dans cette catégorie (486)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Adapting an existing semi-automatized image processing chain to enable Sentinel-2 data classification. / Hiyam Elbadri (2018)
Titre : Adapting an existing semi-automatized image processing chain to enable Sentinel-2 data classification. Type de document : Mémoire Auteurs : Hiyam Elbadri, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 56 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de projet pluridisciplinaire, cycle Ingénieur 2e annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] carte thématique
[Termes IGN] chaîne de traitement
[Termes IGN] classification barycentrique
[Termes IGN] classification non dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] épidémie
[Termes IGN] GRASS
[Termes IGN] image Sentinel-MSI
[Termes IGN] maladie parasitaire
[Termes IGN] Ouganda
[Termes IGN] Python (langage de programmation)
[Termes IGN] R (langage)
[Termes IGN] restauration d'image
[Termes IGN] risque sanitaire
[Termes IGN] segmentation d'image
[Termes IGN] zone à risqueIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Dans un contexte d’une crise épidémiologique dans les villes d’Afrique sub-saharienne, suivie d’une urbanisation croissante, il paraît essentiel de souligner les facteurs clés au développement de plusieurs maladies. C’est dans ce contexte que le projet REACT existe. Ce dernier a pour but de développer des outils afin de faciliter l’étude des maladies contagieuses telle que la malaria avec des techniques de télédétection. Dans le cadre de ce projet, mon rôle était de créer une chaîne automatisée pour des données de Sentinel 2. En premier lieu, il faut les télécharger puis les pré-traiter pour enfin terminer avec une chaîne déjà existante que je devais adapter et qui permet la classification des données Sentinel 2. Les deux chaînes ont été implémentées via un programme Python et se fondent sur l’utilisation de logiciels libres tels que Grass GIS et R. Dans le cadre du projet, l’étude est appliquée à la ville de Kampala dans l’Ouganda, ville présentant les caractéristiques citées précédemment. Cartographier une zone hétérogène telle que Kampala en utilisant des techniques liées à l’"Object Based Image Analysis" est une méthode efficace pour améliorer notre compréhension de la maladie de la malaria et ce, dans un but d’avoir une meilleure prévisibilité. On obtiendra d’abord une segmentation optimale en utilisant une approche non supervisée. Ensuite, en utilisant une classification liée à cette maladie, nous allons classifier notre image en utilisant 3 classifieurs : SVM Radial, Random Forest et K-nearest Neighbor. S’en suivra une analyse de la précision obtenue pour ces 3 classifieurs. Les résultats seront interprétés de telle sorte qu’on pourra en déduire où se situent les zones à risque de la maladie dans la zone d’étude englobant la ville de Kampala et ses environs. Note de contenu : Introduction
1- Internship Description
2- Data, Methods and Tools
3- Case Study
4- Results
ConclusionNuméro de notice : 21826 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : IGEAT (Université Libre de Bruxelles) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91333 Documents numériques
peut être téléchargé
Adapting an existing semi-automatized... - pdf auteurAdobe Acrobat PDF An (almost) automated process to track the Martians dunes : ac.GetPreciseShifts / Arthur Coqué (2018)
Titre : An (almost) automated process to track the Martians dunes : ac.GetPreciseShifts Type de document : Mémoire Auteurs : Arthur Coqué, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 68 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet, stage pluridisciplinaire, cycle ING2Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse d'image orientée objet
[Termes IGN] analyse texturale
[Termes IGN] chaîne de traitement
[Termes IGN] classification dirigée
[Termes IGN] détection de contours
[Termes IGN] dune
[Termes IGN] écart type
[Termes IGN] échantillonnage
[Termes IGN] filtre de Canny
[Termes IGN] image HiRISE
[Termes IGN] Mars (planète)
[Termes IGN] orthoimage géoréférencée
[Termes IGN] orthophotoplan numérique
[Termes IGN] paramètre de Haralick
[Termes IGN] Python (langage de programmation)Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Actuellement, la mesure de l’avancement des dunes sur Mars se fait manuellement. C’est une procédure laborieuse qui demande beaucoup de temps et de précision, de telle sorte qu’il est impossible de généraliser cela à la planète entière. Or, les phénomènes derrière ces déplacements (les vents de surface, la saltation…) sont les principaux moteurs de l’évolution des reliefs martiens. Si l’on veut comprendre comment la Planète Rouge est modelée par ces phénomènes atmosphériques sans avoir la pléthore de stations météos disséminées à sa surface, ils nous est nécessaire d’élaborer une technique pour pouvoir suivre les dunes martiennes et caractériser leur déplacement sur plusieurs années et à l’échelle de la planète. Lors de ce stage, je me suis donc attelé à trouver un moyen de mesurer, de manière automatique ou presque (c’est-à-dire sans que l’opérateur répète le même protocole long et compliqué pour chacune des dunes et pour chaque nouvelle acquisition), le déplacement des dunes martiennes, employant des techniques relevant de la télédétection et du traitement d’images. Une fois notre protocole trouvé, il restait encore à l’implémenter, tout en gardant à l’esprit qu’il fallait que cela reste accessible (c’est-à-dire utilisable par un géologue sans compétence particulière en informatique par exemple). C’est dans ce but que j’ai créé un package Python, nommé ac.GPS (ArthurCoqué.GetPreciseShifts) permettant d’effectuer facilement cette tache (ainsi que d’autres fonctions annexes). Note de contenu : Introduction
1- Data presentation
2- Methods
3- Final Process : based on standard deviation of images
4- Results
5- Discussion
ConclusionNuméro de notice : 21806 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Caltech, Pasadena (USA) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91295 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 21806-01 PROJET Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
An (almost) automated process... - pdf auteurAdobe Acrobat PDF Comparative study of visual saliency maps in the problem of classification of architectural images with Deep CNNs / Abraham Montoya Obeso (2018)
Titre : Comparative study of visual saliency maps in the problem of classification of architectural images with Deep CNNs Type de document : Article/Communication Auteurs : Abraham Montoya Obeso, Auteur ; Jenny Benois-Pineau, Auteur ; Kamel Guissous , Auteur ; Valérie Gouet-Brunet , Auteur ; Mireya S. García Vázquez, Auteur ; Alejandro A. Ramírez Acosta, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : IPTA 2018, 8th International Conference on Image Processing Theory, Tools and Applications 07/11/2018 10/11/2018 Xi'an Chine Proceedings IEEE Importance : pp 1 - 6 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse comparative
[Termes IGN] Bootstrap (statistique)
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] compréhension de l'image
[Termes IGN] exploration de données
[Termes IGN] recherche d'image basée sur le contenu
[Termes IGN] saillance
[Termes IGN] scène urbaineRésumé : (auteur) Incorporating Human Visual System (HVS) models into building of classifiers has become an intensively researched field in visual content mining. In the variety of models of HVS we are interested in so-called visual saliency maps. Contrarily to scan-paths they model instantaneous attention assigning the degree of interestingness/saliency for humans to each pixel in the image plane. In various tasks of visual content understanding, these maps proved to be efficient stressing contribution of the areas of interest in image plane to classifiers models. In previous works saliency layers have been introduced in Deep CNNs, showing that they allow reducing training time getting similar accuracy and loss values in optimal models. In case of large image collections efficient building of saliency maps is based on predictive models of visual attention. They are generally bottom-up and are not adapted to specific visual tasks. Unless they are built for specific content, such as "urban images"-targeted saliency maps we also compare in this paper. In present research we propose a "bootstrap" strategy of building visual saliency maps for particular tasks of visual data mining. A small collection of images relevant to the visual understanding problem is annotated with gaze fixations. Then the propagation to a large training dataset is ensured and compared with the classical GBVS model and a recent method of saliency for urban image content. The classification results within Deep CNN framework are promising compared to the purely automatic visual saliency prediction. Numéro de notice : C2018-097 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IPTA.2018.8608125 Date de publication en ligne : 14/01/2019 En ligne : https://doi.org/10.1109/IPTA.2018.8608125 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95885
Titre : Effective and annotation efficient deep learning for image understanding Type de document : Thèse/HDR Auteurs : Spyridon Gidaris, Auteur ; Nikos Komodakis, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2018 Importance : 236 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l’Université Paris-Est, Domaine : Traitement du Signal et des ImagesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image numérique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] compréhension de l'image
[Termes IGN] détection d'objet
[Termes IGN] prédiction
[Termes IGN] reconnaissance d'objets
[Termes IGN] segmentation sémantiqueIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Recent development in deep learning have achieved impressive results on image understanding tasks. However, designing deep learning architectures that will effectively solve the image understanding tasks of interest is far from trivial. Even more, the success of deep learning approaches heavily relies on the availability of large-size manually labeled (by humans) data. In this context, the objective of this dissertation is to explore deep learning based approaches for core image understanding tasks that would allow to increase the effectiveness with which they are performed as well as to make their learning process more annotation efficient, i.e., less dependent on the availability of large amounts of manually labeled training data. We first focus on improving the state-of-the-art on object detection. More specifically, we attempt to boost the ability of object detection systems to recognize (even difficult) object instances by proposing a multi-region and semantic segmentation-aware ConvNet-based representation that is able to capture a diverse set of discriminative appearance factors. Also, we aim to improve the localization accuracy of object detection systems by proposing iterative detection schemes and a novel localization model for estimating the bounding box of the objects. We demonstrate that the proposed technical novelties lead to significant improvements in the object detection performance of PASCAL and MS COCO benchmarks. Regarding the pixel-wise image labeling problem, we explored a family of deep neural network architectures that perform structured prediction by learning to (iteratively) improve some initial estimates of the output labels. The goal is to identify which is the optimal architecture for implementing such deep structured prediction models. In this context, we propose to decompose the label improvement task into three steps: 1) detecting the initial label estimates that are incorrect, 2) replacing the incorrect labels with new ones, and finally 3) refining the renewed labels by predicting residual corrections w.r.t. them. We evaluate the explored architectures on the disparity estimation task and we demonstrate that the proposed architecture achieves state-of-the-art results on the KITTI 2015 benchmark.In order to accomplish our goal for annotation efficient learning, we proposed a self-supervised learning approach that learns ConvNet-based image representations by training the ConvNet to recognize the 2d rotation that is applied to the image that it gets as input. We empirically demonstrate that this apparently simple task actually provides a very powerful supervisory signal for semantic feature learning. Specifically, the image features learned from this task exhibit very good results when transferred on the visual tasks of object detection and semantic segmentation, surpassing prior unsupervised learning approaches and thus narrowing the gap with the supervised case.Finally, also in the direction of annotation efficient learning, we proposed a novel few-shot object recognition system that after training is capable to dynamically learn novel categories from only a few data (e.g., only one or five training examples) while it does not forget the categories on which it was trained on. In order to implement the proposed recognition system we introduced two technical novelties, an attention based few-shot classification weight generator, and implementing the classifier of the ConvNet based recognition model as a cosine similarity function between feature representations and classification vectors. We demonstrate that the proposed approach achieved state-of-the-art results on relevant few-shot benchmarks. Note de contenu : Introduction
1- Effective deep learning for image understanding
2- Annotation deep learning for image understandingNuméro de notice : 25835 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Domaine : Traitement du Signal et des Images : Paris-Est : 2018 nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018PESC1143 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95174 Facade repetition detection in a fronto-parallel view with fiducial lines extraction / Hongfei Xiao in Neurocomputing, vol 273 (January 2018)
[article]
Titre : Facade repetition detection in a fronto-parallel view with fiducial lines extraction Type de document : Article/Communication Auteurs : Hongfei Xiao, Auteur ; Gaofeng Meng, Auteur ; Lingfeng Wang, Auteur ; Chunhong Pan, Auteur Année de publication : 2018 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] détection d'objet
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] façade
[Termes IGN] programmation dynamiqueRésumé : (auteur) Detecting repetitive structures on building facades plays an important role in facade image analysis. Observing that repetitions are usually horizontally and vertically aligned, and thereby can be localized by the horizontal and vertical lines passing along the repetition boundaries, we propose to detect repetitions by extracting these fiducial lines. Firstly, candidate lines are detected, containing both the fiducial lines and some mistaken lines passing across facade wall or repetitive structures. Secondly, to pick out the fiducial lines, we formulate a maximum a posterior problem to measure the probabilities that the lines can localize the repetitions. Finally, a dynamic programming based algorithm is developed to solve the problem efficiently. To evaluate the proposed approach, we implement a series of experiments on a dataset containing 60 facade images as well as the public Ecole Central Paris facade dataset. Both qualitative and quantitative results demonstrate the effectiveness of our approach. Numéro de notice : A2017-559 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1016/j.neucom.2017.07.040 En ligne : https://doi.org/10.1016/j.neucom.2017.07.040 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86636
in Neurocomputing > vol 273 (January 2018)[article]Object-based superresolution land-cover mapping from remotely sensed imagery / Yuehong Chen in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)PermalinkRéseaux de neurones convolutionnels profonds pour la détection de petits véhicules en imagerie aérienne / Jean Ogier du Terrail (2018)PermalinkUtilisation de QGIS en télédétection, Ch. 2. Apports du MNT topo-bathymétrique pour l'évolution bio-géomorphologique des marais d'Ichkeul (Tunisie) / Zeineb Kassouk (2018)PermalinkUtilisation de véhicules traceurs pour la détection et la localisation de l'infrastructure routière par apprentissage automatique / Yann Méneroux (2018)PermalinkObject-based classification of terrestrial laser scanning point clouds for landslide monitoring / Andreas Mayr in Photogrammetric record, vol 32 n° 160 (December 2017)PermalinkExtraction du bâti sur le territoire de la wilaya de Blida (Algérie) / Siham Bougdour in Géomatique expert, n° 119 (novembre - décembre 2017)PermalinkTowards a multi-scale approach for an Earth observation-based assessment of natural resource exploitation in conflict regions / Elisabeth Schoepfer in Geocarto international, vol 32 n° 10 (October 2017)PermalinkOccupancy modelling for moving object detection from Lidar point clouds: A comparative study / Wen Xiao in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol IV-2/W4 (September 2017)PermalinkA graph-based approach to detect spatiotemporal dynamics in satellite image time series / Fabio Guttler in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)PermalinkLocal and global evaluation for remote sensing image segmentation / Tengfei Su in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)Permalink