Détail de l'auteur
Auteur Matthieu Cord |
Documents disponibles écrits par cet auteur (13)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Titre : Domain adaptation for urban scene segmentation Type de document : Thèse/HDR Auteurs : Antoine Saporta, Auteur ; Matthieu Cord, Directeur de thèse Editeur : Paris : Sorbonne Université Année de publication : 2022 Importance : 147 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de Sorbonne Université, spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification non dirigée
[Termes IGN] entropie
[Termes IGN] Mapillary
[Termes IGN] navigation autonome
[Termes IGN] réseau antagoniste génératif
[Termes IGN] scène urbaine
[Termes IGN] segmentation sémantique
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis tackles some of the scientific locks of perception systems based on neural networks for autonomous vehicles. This dissertation discusses domain adaptation, a class of tools aiming at minimizing the need for labeled data. Domain adaptation allows generalization to so-called target data that share structures with the labeled so-called source data allowing supervision but nevertheless following a different statistical distribution. First, we study the introduction of privileged information in the source data, for instance, depth labels. The proposed strategy, BerMuDA, bases its domain adaptation on a multimodal representation obtained by bilinear fusion, modeling complex interactions between segmentation and depth. Next, we examine self-supervised learning strategies in domain adaptation, relying on selecting predictions on the unlabeled target data, serving as pseudo-labels. We propose two new selection criteria: first, an entropic criterion with ESL; then, with ConDA, using an estimate of the true class probability. Finally, the extension of adaptation scenarios to several target domains as well as in a continual learning framework is proposed. Two approaches are presented to extend traditional adversarial methods to multi-target domain adaptation: Multi-Dis. and MTKT. In a continual learning setting for which the target domains are discovered sequentially and without rehearsal, the proposed CTKT approach adapts MTKT to this new problem to tackle catastrophic forgetting. Note de contenu : 1- Introduction
2- Unsupervised domain adaptation
3- Leveraging priviledge information for unsupervised domain adaptation
4- Estimating and exploiting confident pseudo-labels for self-training
5- Adaptation to multiple domains
6- ConclusionNuméro de notice : 24079 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Sorbonne Université : 2022 Organisme de stage : Institut des Systèmes Intelligents et de Robotique DOI : sans En ligne : https://theses.hal.science/tel-03886201 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102213 Model-based analysis–synthesis for realistic tree reconstruction and growth simulation / Corina Iovan in IEEE Transactions on geoscience and remote sensing, vol 52 n° 2 (February 2014)
Titre : Model-based analysis–synthesis for realistic tree reconstruction and growth simulation Type de document : Article/Communication Auteurs : Corina Iovan Année de publication : 2014 Article en page(s) : pp 1438 - 1450 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image orientée objet
[Termes IGN] arbre (flore)
[Termes IGN] arbre urbain
[Termes IGN] croissance des arbres
[Termes IGN] détection d'arbres
[Termes IGN] dynamique de la végétation
[Termes IGN] extraction de la végétation
[Termes IGN] image aérienne
[Termes IGN] modèle de croissance végétale
[Termes IGN] reconstruction d'objetRésumé : (auteur) Due to complexity, vegetation analysis and reconstruction of remote sensing data are challenging problems. Using architectural tree models combined with model inputs estimated from aerial image analysis, this paper presents an analysis-synthesis approach for urban vegetation detection, modeling, and reconstruction. Tree species, height, and crown size information are extracted by aerial image analysis. These variables serve for model inversion to retrieve plant age, climatic growth conditions, and competition with neighbors. Functional-structural individual-based tree models are used to reconstruct and visualize virtual trees and their time evolutions realistically in a 3-D viewer rendering the models with geographical coordinates in the reconstructed scene. Our main contributions are: 1) a novel approach for generating plant models in 3-D reconstructed scenes based on the analysis of the geometric properties of the data, and 2) a modeling workflow for the reconstruction and growth simulation of vegetation in urban or natural environments. Numéro de notice : A2014-815 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2013.2251467 Date de publication en ligne : 12/04/2013 En ligne : https://doi.org/10.1109/TGRS.2013.2251467 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92035
in IEEE Transactions on geoscience and remote sensing > vol 52 n° 2 (February 2014) . - pp 1438 - 1450[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 065-2014021 RAB Revue Centre de documentation En réserve L003 Disponible 
Documents numériques
en open access
Géopeuple - pdf éditeurAdobe Acrobat PDFDétection et caractérisation de la végétation en milieu urbain à partir d'images aériennes haute résolution / Corina Iovan (2009)
Titre : Détection et caractérisation de la végétation en milieu urbain à partir d'images aériennes haute résolution Titre original : Detection and characterisation of vegetation in urban areas from high resolution aerial imagery Type de document : Thèse/HDR Auteurs : Corina Iovan Editeur : Saint-Mandé : Institut Géographique National - IGN (2008-2011) Année de publication : 2009 Autre Editeur : Paris : Université de Paris 6 Pierre et Marie Curie Importance : 204 p. Format : 21 x 30 cm Note générale : bibliographie
thèse de doctorat pour obtenir le titre de docteur de l'université Pierre et Marie Curie, spécialité : Informatique, Télécommunication et électronique
Funding: IGN & Terra Numerica Project, Cap Digital Business ClusterLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image orientée objet
[Termes IGN] arbre (flore)
[Termes IGN] caractérisation
[Termes IGN] classification dirigée
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] extraction de la végétation
[Termes IGN] houppier
[Termes IGN] image à ultra haute résolution
[Termes IGN] image aérienne
[Termes IGN] intégration de données
[Termes IGN] milieu urbain
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] modèle numérique de surface
[Termes IGN] texture d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La modélisation 3D des zones urbaines est un enjeu actuel important pour de nombreuses applications liées à l'aménagement du territoire, l'urbanisme ou la gestion de l'environnement. Un large éventail de méthodes de traitement automatique d'images aériennes a été proposé depuis plusieurs années pour la reconstruction 3D d’environnements urbains. Ces approches sont aussi nombreuses que variées, tant en ce qui concerne le type de données utilisées que sur le plan du degré d'automatisation de la méthode. Cependant, la plupart des modélisations se limitent aux objets créés par l'homme (bâti, route...). Or la végétation est également très importante pour la compréhension des zones urbaines. Les modèles urbains 3D peuvent être améliorés par l’intégration de la végétation, avec une description précise de la disposition des arbres et des espèces. Cette thèse présente le développement d’un système hiérarchique d'analyse d'images aériennes couleur et infrarouge pour la détection et la caractérisation de la végétation en vue de la modélisation 3D des milieux urbains. Le premier module de ce système a pour fonction de détecter les zones de végétation. L’approche adoptée repose sur une méthode de classification supervisée utilisant les Séparateurs à Vaste Marge (SVM) que nous comparons aux approches traditionnelles de télédétection. Les modules suivants ont pour but de caractériser ces zones de végétation. La séparation en végétation haute (arbre) et végétation basse (pelouse) repose sur un critère de texture calculé sur le modèle numérique de surface (MNS). Ensuite, une étape d'extraction de houppiers faisant intervenir un algorithme de croissance de régions intégrant des caractéristiques géométriques d’arbres est présentée. Des paramètres morphologiques (la hauteur, le diamètre de la couronne, la localisation du tronc des arbres) sont estimés pour chaque houppier. Les différentes espèces d’arbres sont ensuite déterminées par un système de classification supervisée. Dans ce domaine, nous avons étudié l’apport des caractéristiques radiométriques, de texture, ainsi que de leur fusion. L'ensemble des informations extraites par ce système (paramètres morphologiques, type de végétation et espèce) est utilisé pour enrichir un modèle 3D urbain avec des modèles de végétation réalistes. Numéro de notice : 19933 Affiliation des auteurs : MATIS (1993-2011) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Informatique, Télécommunication et électronique : Paris 6 : 2009 Organisme de stage : MATIS (IGN) nature-HAL : Thèse DOI : sans En ligne : http://corinaiovan.com/publications/09_PhD_Iovan.pdf Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86246 Exemplaires(2)
Code-barres Cote Support Localisation Section Disponibilité 19933-01 K317 Livre LASTIG Dépôt en unité Exclu du prêt 19933-02 THESE Livre LASTIG Dépôt en unité Exclu du prêt
Titre : Detection, characterization, and modeling vegetation in urban areas from high-resolution aerial imagery Type de document : Article/Communication Auteurs : Corina Iovan Année de publication : 2008 Article en page(s) : pp 206 - 213 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse d'image numérique
[Termes IGN] caractérisation
[Termes IGN] classification dirigée
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] détection d'arbres
[Termes IGN] image aérienne
[Termes IGN] image infrarouge couleur
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] modèle numérique de surface
[Termes IGN] segmentation en régions
[Termes IGN] zone urbaineRésumé : (auteur) Research in the area of 3D city modelling from remote sensed data greatly developed in recent years with an emphasis on systems dealing with the detection and representation of man-made objects, such as buildings and streets. While these systems produce accurate representations of urban environments, they ignore information about the vegetation component of a city. This paper presents a complete image analysis system which, from high-resolution color infrared (CIR) digital images, and a Digital Surface Model (DSM), extracts, segments and classifies vegetation in high density urban areas, with very high reliability. The process starts with the extraction of all vegetation areas using a supervised classification system based on a Support Vector Machines (SVM) classifier. The result of this first step is further on used to separate trees from lawns using texture criteria computed on the DSM. Tree crown borders are identified through a robust region growing algorithm based on tree-shape criteria. A SVM classifier gives the species class for each tree region previously identified. This classification is used to enhance the appearance of 3D city models by a realistic representation of vegetation according to the vegetation land use, shape and tree species. Numéro de notice : A2008-657 Affiliation des auteurs : MATIS+Ext (1993-2011) Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1109/JSTARS.2008.2007514 En ligne : https://doi.org/10.1109/JSTARS.2008.2007514 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99064
in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing > vol 1 n° 3 (2008) . - pp 206 - 213[article]Documents numériques
peut être téléchargé
Detection, characterization, and modeling vegetation - pdf auteurAdobe Acrobat PDF
