Centre de documentation
scientifique

Multispectral object detection / Heng Zhang (2021)  

Public Titre : Multispectral object detection Type de document : Thèse/HDR Auteurs : Heng Zhang, Auteur ; Elisa Fromont, Directeur de thèse ; Sébastien Lefèvre, Directeur de thèse Editeur : Rennes : Université de Rennes 1 Année de publication : 2021 Importance : 114 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse présentée en vue de l’obtention du grade de docteur en Informatique de l'Université de Rennes 1 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] chambre de prise de vue thermique [Termes IGN] détection d'objet [Termes IGN] données d'entrainement sans étiquette [Termes IGN] efficacité [Termes IGN] fusion de données multisource [Termes IGN] image multibande [Termes IGN] précision de la classification [Termes IGN] qualité du modèle [Termes IGN] segmentation sémantique Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Only using RGB cameras for automatic outdoor scene analysis is challenging when, for example, facing insufficient illumination or adverse weather. To improve the recognition reliability, multispectral systems add additional cameras (e.g. infra-red) and perform object detection from multispectral data. Although multispectral scene analysis with deep learning has been shown to have a great potential, there are still many open research questions and it has not been widely deployed in industrial contexts. In this thesis, we investigated three main challenges about multispectral object detection: (1) the fast and accurate detection of objects of interest from images; (2) the dynamic and adaptive fusion of information from different modalities;(3) low-cost and low-energy multispectral object detection and the reduction of its manual annotation efforts. In terms of the first challenge, we first optimize the label assignment of the object detection training with a mutual guidance strategy between the classification and localization tasks; we then realize an efficient compression of object detection models including the teacher-student prediction disagreements in a feature-based knowledge distillation framework. With regard to the second challenge, three different multispectral feature fusion schemes are proposed to deal with the most difficult fusion cases where different cameras provide contradictory information. For the third challenge, a novel modality distillation framework is firstly presented to tackle the hardware and software constraints of current multispectral systems; then a multi-sensor-based active learning strategy is designed to reduce the labeling costs when constructing multispectral datasets. Note de contenu : 1. Introduction 1.1 Context and motivations 1.2 Thesis outline 2. Deep learning background 2.1 General object detection 2.2 Multispectral object detection 2.3 Knowledge distillation 2.4 Active learning 2.5 Datasets 3. Efficient object detection on embedded devices 3.1 Best practices for training object detection models 3.2 Mutual Guidance for Anchor Matching 3.3 Prediction Disagreement aware Feature Distillation 3.4 Experimental results 4. Information fusion from multispectral data 4.1 Multispectral Fusion with Cyclic Fuse-and-Refine 4.2 Progressive Spectral Fusion 4.3 Experimental results for CFR and PS-Fuse 4.4 Guided Attentive Feature Fusion 4.5 Experimental results for GAFF 5. Sensors and annotations: low cost multispectral data processing 5.1 Deep Active Learning from Multispectral Data 5.2 Low-cost Multispectral Scene Analysis with Modality Distillation 6. Conclusions and future works 6.1 Conclusions 6.2 Application to remote sensing data 6.3 Perspectives Numéro de notice : 26765 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Rennes 1 : 2021 Organisme de stage : (IRISA) INRIA nature-HAL : Thèse DOI : sans Date de publication en ligne : 17/01/2022 En ligne : https://hal.science/tel-03530257/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99855

Egalisation radiométrique d'orthoimages thermiques / Jonathan Lisein (2018)    

Public Titre : Egalisation radiométrique d'orthoimages thermiques Type de document : Article/Communication Auteurs : Jonathan Lisein , Auteur ; Ewelina Rupnik , Auteur ; Marc Pierrot-Deseilligny , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : 1-Pas de projet / Conférence : CFPT 2018, Conférence Française de Photogrammétrie et de Télédétection 25/06/2018 28/06/2018 Champs-sur-Marne France Open Access Proceedings Importance : 3 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] chambre de prise de vue thermique [Termes IGN] correction radiométrique [Termes IGN] drone [Termes IGN] égalisation radiométrique [Termes IGN] image thermique [Termes IGN] orthophotoplan numérique [Termes IGN] raccord d'images [Termes IGN] rayonnement infrarouge thermique Résumé : (auteur) Parmi les capteurs embarqués par drone utilisés à des fins de cartographie ou d’inspection, les caméras thermiques offrent un bon complément d’information à l’imagerie dans le visible. Néanmoins, l’imagerie thermique pose un certain nombre de défis pour les dronistes professionnels désireux de générer une mosaïque d’orthoimages de la scène survolée : basse résolution, grandes déformations géométriques et spectrales, images faiblement texturées. Nous développons des outils de correction radiométrique des images thermiques préalablement rectifiées ainsi qu’une méthode d’estompage le long des lignes de raccord entre deux orthoimages en vue de produire des mosaïques thermiques facilitant une inspection visuelle. Numéro de notice : C2018-009 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans Date de publication en ligne : 26/06/2018 En ligne : https://rfiap2018.ign.fr/programmeCFPT Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90380

Documents numériques

en open access Egalisation radiométrique ... - pdf éditeur Adobe Acrobat PDF