Descripteur
Termes IGN > informatique > intelligence artificielle > apprentissage automatique > apprentissage profond
apprentissage profond |
Documents disponibles dans cette catégorie (647)
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
Titre : Predicting future urban drought under climate change Titre original : Prédire les sécheresses urbaines dans le contexte du changement climatique Type de document : Thèse/HDR Auteurs : Changsen Zhao, Auteur ; Françoise Nerry, Directeur de thèse ; Zhao-Liang Li, Directeur de thèse Editeur : Strasbourg : Université de Strasbourg Année de publication : 2021 Importance : 145 p. Format : 21 x 30 cm Note générale : Bibliographie, résumé long en français
Thèse présentée pour obtenir le grade de Docteur de l'Université de Strasbourg, Discipline Sciences de l'Imagerie, Spécialité TélédétectionLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] changement climatique
[Termes IGN] Chine
[Termes IGN] données GLDAS
[Termes IGN] données GRACE
[Termes IGN] eau de surface
[Termes IGN] eau souterraine
[Termes IGN] estimation statistique
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image satellite
[Termes IGN] milieu urbain
[Termes IGN] réseau neuronal artificiel
[Termes IGN] sécheresse
[Termes IGN] série temporelleIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) De nombreuses villes du monde manquent de données et ne peuvent donc pas prévoir avec précision les sécheresses urbaines futures (UD) dans le contexte des changements climatiques. Par conséquent, cette thèse a mis en avant un nouveau cadre pour prédire l’UD future. En couplant des images de satellites et de drones, nous avons présenté deux ensembles de nouvelles méthodes pour l’estimation des eaux de surface disponibles ; en couplant les données issues du satellite GRACE de la NASA et l’ensemble de données GLDAS, nous avons proposé une nouvelle méthode de prévision des eaux souterraines disponibles. Toutes les méthodes ont été vérifiées en utilisant des observations au sol et des données fournies par GRACE dans trois grandes villes du bassin du fleuve Jaune, en Chine. Avec ces méthodes, nous avons reconstitué des séries de données sur les eaux de surface et souterraines disponibles pour les trois villes au cours de la période 1948-2001, lorsque les données disponibles sur l’eau sont manquantes. Avec ces données reconstituées sur la disponibilité de l’eau et les projections de consommation d’eau, nous avons prédit l’UD de trois grandes villes en Chine en 2030 et 2050 en exploitant un réseau neuronal artificiel sur la base de scénarios climatiques CMIP5. Les résultats montrent que l'UD sera plus sévère en 2030 qu'en 2050. Note de contenu : Chapter 1 - Introduction
1.1 Background
1.2 Objectives
1.3 State of the art of drought assessment and prediction
1.4 Large-scaled drought assessment with multi-source data inclusive of satellite imageries
1.5 Assessment of water consumption
1.6 Flow chart and outline of the dissertation research
Chapter 2 - Data and study area
2.1 Data collection and verification
2.2 Characteristics of study area
Chapter 3 - Estimation of surface freshwater available
3.1 Retrieval of long-termed streamflow for the three representative cities
3.2 Surface freshwater available (FWA) for the three representative cities
3.3 Summary
Chapter 4 - Estimation of underground freshwater available
4.1 Determining factors driving the variation of underground FWA (vertical water flux)
4.2 Extension of data series of underground FWA
4.3 Summary
Chapter 5 - Calculation of water consumption
5.1 Estimation of water quantity sustaining household
5.2 Estimation of water quantity for industry
5.3 Estimation of water quantity consumed by ecosystems
5.4 Estimation of total water consumption
5.5 Summary
Chapter 6 - Prediction of urban drought in 2030 and 2050
6.1 Prediction of freshwater available
6.2 Prediction of water consumption
6.3 Future urban drought in the year 2030 and 2050
6.4 Summary
Chapter 7 - Conclusions and perspectives
7.1 Main conclusions
7.2 PerspectivesNuméro de notice : 26945 Affiliation des auteurs : non IGN Autre URL associée : vers HAL Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Discipline Sciences de l'Imagerie, Spécialité Télédétection : Strasbourg : 2021 Organisme de stage : ICube, Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie nature-HAL : Thèse DOI : sans Date de publication en ligne : 12/09/2022 En ligne : https://publication-theses.unistra.fr/public/theses_doctorat/2021/Zhao_Changsen_ [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102146 Production et mise à jour d’un produit BD Forêt V3 par apprentissage profond / Sébastien Giordano (2021)
Titre : Production et mise à jour d’un produit BD Forêt V3 par apprentissage profond Type de document : Article/Communication Auteurs : Sébastien Giordano , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2021 Conférence : Atelier Theia 2021, Les utilisations de la télédétection pour la forêt 11/10/2021 Montpellier France slides & videos Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] apprentissage profond
[Termes IGN] base de données localisées IGN
[Termes IGN] BD forêt
[Termes IGN] image Sentinel-MSI
[Termes IGN] mise à jour de base de données
[Termes IGN] orthoimage couleurNuméro de notice : C2021-040 Affiliation des auteurs : IGN (2020- ) Thématique : FORET/IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99238 Documents numériques
peut être téléchargé
Production et mise à jour d’un produit BD Forêt V3 ... - diaporamaAdobe Acrobat PDF
Titre : Representing shape collections with alignment-aware linear models Type de document : Article/Communication Auteurs : Romain Loiseau , Auteur ; Tom Monnier, Auteur ; Loïc Landrieu , Auteur ; Mathieu Aubry, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2021 Autre Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Projets : READY3D / Landrieu, Loïc Conférence : 3DV 2021, International Conference on 3D Vision 01/12/2021 03/12/2021 Londres online Royaume-Uni Proceedings IEEE Importance : pp 1044 - 1053 Format : 21 x 30 cm Note générale : bibliographie
This work was supported in part by ANR project READY3D ANR-19-CE23-0007 and HPC resources from GENCI-IDRIS (Grant 2020-AD011012096).Langues : Anglais (eng) Descripteur : [Termes IGN] analyse de données
[Termes IGN] apprentissage profond
[Termes IGN] données localisées 3D
[Termes IGN] modèle linéaire
[Termes IGN] réseau neuronal profond
[Termes IGN] segmentation
[Termes IGN] semis de points
[Termes IGN] transformation affineRésumé : (auteur) In this paper, we revisit the classical representation of 3D point clouds as linear shape models. Our key insight is to leverage deep learning to represent a collection of shapes as affine transformations of low-dimensional linear shape models. Each linear model is characterized by a shape prototype, a low-dimensional shape basis and two neural networks. The networks take as input a point cloud and predict the coordinates of a shape in the linear basis and the affine transformation which best approximate the input. Both linear models and neural networks are learned end-to-end using a single reconstruction loss. The main advantage of our approach is that, in contrast to many recent deep approaches which learn feature-based complex shape representations, our model is explicit and every operation occurs in 3D space. As a result, our linear shape models can be easily visualized and annotated, and failure cases can be visually understood. While our main goal is to introduce a compact and interpretable representation of shape collections, we show it leads to state of the art results for few-shot segmentation. Code and data are available at: https://romainloiseau.github.io/deep-linear-shapes Numéro de notice : C2021-036 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers ArXiv Thématique : INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/3DV53792.2021.00112 Date de publication en ligne : 03/12/2021 En ligne : https://doi.org/10.1109/3DV53792.2021.00112 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98385 Suivi de la rotation des cultures à partir de séries temporelles d’images satellite / Félix Quinton (2021)
Titre : Suivi de la rotation des cultures à partir de séries temporelles d’images satellite Type de document : Mémoire Auteurs : Félix Quinton , Auteur ; Loïc Landrieu , Encadrant Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 49 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de stage de fin d’études Cycle des Ingénieurs diplômés de l’ENSG 3ème année, TSILangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage profond
[Termes IGN] classification automatique
[Termes IGN] cultures
[Termes IGN] image Sentinel-MSI
[Termes IGN] parcelle agricole
[Termes IGN] politique agricole commune
[Termes IGN] recensement agricole
[Termes IGN] série temporelle
[Termes IGN] subvention
[Termes IGN] variation saisonnièreIndex. décimale : MTSI Mémoires du Master Technologies des Systèmes d'Information Résumé : (auteur) La politique agricole commune (PAC) mise en place dans les pays de l’Union Européenne est chargée de l’attribution de subventions aux agriculteurs des états membres, qui totalisent près de 50 milliards d’euros chaque année. Afin d’attribuer correctement ces subventions, il est nécessaire de recenser les types de cultures présents dans chaque parcelle tous les ans. Une automatisation du processus est donc souhaitable. Les séries temporelles d’images satellite constituent aujourd’hui la principale source de données utilisée pour la surveillance automatique de la Terre et sont de fait, la principale source de données utilisée en classification automatique. Nous proposons une nouvelle approche basée sur l’utilisation des séries temporelles d’images satellites pluriannuelles en opposition aux séries temporelles mono-année utilisées actuellement. Notre approche permet d’améliorer les performances des modèles de 7.7% par rapport aux modèles constituant l’état de l’art actuel. Dans une optique de suivit des cultures à partir d’imagerie satellite, l’utilisation de données pluriannuelles s’impose donc comme une nécessité. Note de contenu :
1- Introduction
2- Etat de l’art de la modélisation mono-annuelle des cultures agricoles
3- Etat de l’art de la modélisation pluriannuelles des cultures agricoles
4- Généralisation Temporelle
5- Modélisation Pluriannuelle
6- Analyse statistique
7- Gestion de projet
8- PerspectivesNuméro de notice : 28424 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Lastig, IGN (Saint-Mandé) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98767 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 28424-01 MTSI Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
Suivi de la rotation des cultures... - pdf auteur -Adobe Acrobat PDF Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision / Sami Beniaouf (2021)
Titre : Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision Type de document : Mémoire Auteurs : Sami Beniaouf, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 65 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de Master PPMD Photogrammétrie, Positionnement et Mesure de DéformationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] géoréférencement
[Termes IGN] image captée par drone
[Termes IGN] maladie phytosanitaire
[Termes IGN] semis de points
[Termes IGN] surveillance de la végétation
[Termes IGN] Vaud (Suisse)
[Termes IGN] viticultureIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Au cours des dernières années, les progrès rapides des techniques d'apprentissage en profondeur ont considérablement accéléré l'élan de la détection d'objets, qui constitue la base de nombreuses tâches de vision par ordinateur, telles que la segmentation d'instances, la classification d'images, le suivi d'objets et bien d'autres. Ce travail s’intéresse à l’utilisation de cette technique ainsi que la photogrammétrie terrestre et la télédétection dans le domaine de la viticulture, pour l’extraction et la cartographie d’informations physiologiques lié aux vignes. Cette étude s’est orientée vers la détection de la maladie de Mildiou au moyen d’une caméra multispectrale. Le mildiou de la vigne est causé par l'organisme de type fongique Plasmopara viticola, qui se produit généralement pendant les années excessivement humides et chaudes. Le champignon provoque directement une perte de rendement par la pourriture des feuilles, des grappes et des pousses. La détection d’objets par segmentation en instances a été réalisé en utilisant le modèle d’apprentissage pré-entraîné Mask R-CNN, dont les couches de classification ont été réentraîné avec des images de vignes acquises et labélisées. La méthodologie suivie consiste en l’extraction de masques d’objets des classes d’intérêt en utilisant le modèle entraîné, qui sont ensuite importés séparément sur les images. La reconstruction du nuage de points 3D à partir d’images masquées ensuit la génération d’un nuage de point de la classe cible. En segmentant ces nuages de points par instances, le calcul des coordonnées des barycentres de ces instances sont représentés finalement sur une carte. Note de contenu :
Introduction générale
I- Introduction à la viticulture de précision
I.1- Télédétection
I.2- Optimisation du rendement
I.3- Détection de maladies
I.4- Apprentissage profond
II- Acquisition des images et méthodologie
II.1- Acquisition des images
II.2- Méthodologie
Résultats et analyseNuméro de notice : 28393 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire PPMD Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98747 Documents numériques
peut être téléchargé
Suivi des vignes par télédétection... - pdf auteur -Adobe Acrobat PDF Super-resolution of VIIRS-measured ocean color products using deep convolutional neural network / Xiaoming Liu in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)PermalinkSupplementary material for: Panoptic segmentation of satellite image time series with convolutional temporal attention networks / Vivien Sainte Fare Garnot (2021)PermalinkThe challenge of robust trait estimates with deep learning on high resolution RGB images / Etienne David (2021)PermalinkThe use of deep machine learning for the automated selection of remote sensing data for the determination of areas of arable land degradation processes distribution / Dimitri I. Rukhovitch in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkPermalinkUnifying remote sensing image retrieval and classification with robust fine-tuning / Dimitri Gominski (2021)PermalinkVectorization of historical maps using deep edge filtering and closed shape extraction / Yizi Chen (2021)PermalinkVegetation stratum occupancy prediction from airborne LiDAR 3D point clouds / Ekaterina Kalinicheva (2021)PermalinkAutomatic building footprint extraction from UAV images using neural networks / Zoran Kokeza in Geodetski vestnik, vol 64 n° 4 (December 2020 - February 2021)PermalinkCartographic generalization / Monika Sester in Journal of Spatial Information Science, JoSIS, n° 21 (2020)Permalink