Publications du LaSTIG
Les publications antérieures au LaSTIG sont celles des laboratoires qui ont formé le LaSTIG : COGIT, LOEMI et MATIS, à l'exception du LAREG - Vous pouvez affiner la recherche au sein des références
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Imprimer...](./images/print.gif)
Modélisation et raisonnement spatial flou pour l’aide à la localisation de victimes en montagne / Mattia Bunel (2021)
![]()
Titre : Modélisation et raisonnement spatial flou pour l’aide à la localisation de victimes en montagne Type de document : Thèse/HDR Auteurs : Mattia Bunel , Auteur ; Ana-Maria Olteanu-Raimond
, Directeur de thèse ; Cécile Duchêne
, Directeur de thèse
Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2021 Projets : CHOUCAS / Olteanu-Raimond, Ana-Maria Importance : 343 p. Note générale : bibliographie
Thèse de doctorat Spécialité : Sciences et technologies de l’information géographique, Université Gustave Eiffel — École doctorale MSTIC, Institut national de l’information géographique et forestière — UMR LASTIGLangues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] fusion de données
[Termes IGN] géoréférencement indirect
[Termes IGN] logique floue
[Termes IGN] montagne
[Termes IGN] raisonnement spatial
[Termes IGN] secours d'urgenceIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Plus de 15 000 demandes de secours en montagne sont recensées chaque année, sur le territoire français, en majorité durant les périodes estivales et hivernales. Lorsque ces demandes concernent des interventions à l’extérieur des domaines skiables, elles sont réalisées par des corps spécialisés, comme les Pelotons de Gendarmerie en Haute-Montagne (PGHM). Ces secouristes spécialisés sont chargés de l’opération de secours en tant que telle, mais également de sa préparation, ce qui implique notamment de délimiter la zone d’intervention et donc d’identifier la position de la victime. Cette étape peut s’avérer difficile, car elle nécessite que le requérant décrive le plus précisément possible sa position, malgré la fatigue, la panique ou sa méconnaissance de la région. Grace à la multiplication des téléphones dotés de GPS, des solutions de géo-localisation plus fiables et précises ont été développées, mais les secouristes doivent encore procéder fréquemment à une localisation manuelle, s’appuyant uniquement sur le discours du requérant, leurs connaissances et leur expérience. L’objectif de cette thèse est de proposer une méthode permettant d’assister les secouristes dans la situation où la position du requérant ne peut être identifiée que manuellement. Nous proposons de développer une méthode permettant d’identifier les zones correspondant à une description orale de position (e.g. « Je suis à côté d’un lac »), c’est-à-dire permettant de transformer une position exprimée dans un référentiel indirect (une description orale) en une position exprimée dans un référentiel direct, c’est-à-dire décrite par des coordonnées, qu’il est alors possible de cartographier. Le développement d’une telle méthode se heurte à de nombreux verrous scientifiques, comme la prise en compte de l’imprécision inhérente au langage naturel, de potentielles erreurs de description ou l’identification de la sémantique des prépositions utilisées pour décrire une position en milieu montagneux. Numéro de notice : 17683 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences et technologies de l’information géographique : Eiffel : 2021 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-03298717 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98157 Modelling and building of a graph database of multi-source landmarks to help emergency mountain rescuers / Véronique Gendner (2021)
![]()
Titre : Modelling and building of a graph database of multi-source landmarks to help emergency mountain rescuers Type de document : Article/Communication Auteurs : Véronique Gendner , Auteur ; Marie-Dominique Van Damme
, Auteur ; Ana-Maria Olteanu-Raimond
, Auteur
Editeur : International Cartographic Association ICA - Association cartographique internationale ACI Année de publication : 2021 Collection : Abstracts of the ICA num. 3 Projets : CHOUCAS / Olteanu-Raimond, Ana-Maria Conférence : ICC 2021, 30th ICA international cartographic conference 14/12/2021 18/12/2021 Florence Italie Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse de données
[Termes IGN] base de données vectorielles
[Termes IGN] modèle conceptuel de données localisées
[Termes IGN] ontologie
[Termes IGN] point de repèreRésumé : (auteur) The purpose of the Choucas research project is to come up with methods, tools and resources, to help mountain rescue team localise victims, when answering emergency calls. In this context, we have built a graph data base with the Neo4j Labelled Property Graph (LPG) technology, that integrates several sources of geolocated objects. Some data comes from the national mapping agency (IGN, BDTOPO), others, like routes from crowdsourcing websites. Imported data has been categorised based on the Landmarks Objects Ontology (OOR) that had previously been produced by the project team. The flexibility of graph databases helps make the right modelling choices by progressively taking into account problems observed in the data as well as researchers and users feedback and new needs. Numéro de notice : C2021-058 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/ica-abs-3-90-2021 Date de publication en ligne : 13/12/2021 En ligne : https://doi.org/10.5194/ica-abs-3-90-2021 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99419 Multi-modal learning in photogrammetry and remote sensing / Michael Ying Yang in ISPRS Journal of photogrammetry and remote sensing, vol 176 (June 2021)
![]()
[article]
Titre : Multi-modal learning in photogrammetry and remote sensing Type de document : Article/Communication Auteurs : Michael Ying Yang, Auteur ; Loïc Landrieu , Auteur ; Devis Tuia, Auteur ; Charles Toth, Auteur
Année de publication : 2021 Projets : 1-Pas de projet / Olteanu-Raimond, Ana-Maria Article en page(s) : pp 54 - 54 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection
[Termes IGN] acquisition d'images
[Termes IGN] apprentissage automatique
[Termes IGN] données multisourcesRésumé : (Auteur) [Editorial] There is a growing interest in the photogrammetry and remote sensing community for multi-modal data, i. e., data simultaneously acquired from a variety of platforms, including satellites, aircraft, UAS/UGS, autonomous vehicles, etc., by different sensors, such as radar, optical, LiDAR. Thanks to their different spatial, spectral, or temporal resolutions, the use of complementary data sources leads to richer and more robust information extraction. We expect that the use of multiple modalities will rapidly become a standard approach in the future. The main difficulty of jointly processing multi-modal data is due to the differences in structure among modalities. Another issue is the unbalanced number of labelled samples available across modalities, resulting in a significant gap in performance when models are trained separately. Clearly, the photogrammetry and remote sensing community has not yet exploited the full potential of multi-modal data. Neural networks seem well suited for accommodating different data sources, thanks to their capabilities to learn representations adapted to each task in an end-to-end fashion. In this context, there is a strong need for research and development of approaches for multi-sensory and multi-modal deep learning within the geospatial domain. Numéro de notice : A2021-364 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.03.022 Date de publication en ligne : 23/04/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.03.022 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97660
in ISPRS Journal of photogrammetry and remote sensing > vol 176 (June 2021) . - pp 54 - 54[article]Multi-modal temporal attention models for crop mapping from satellite time series / Vivien Sainte Fare Garnot (2021)
![]()
Titre : Multi-modal temporal attention models for crop mapping from satellite time series Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu
, Auteur ; Nesrine Chehata
, Auteur
Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2021 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte
[Termes IGN] base de données d'images
[Termes IGN] carte agricole
[Termes IGN] image optique
[Termes IGN] image radar
[Termes IGN] Pastis
[Termes IGN] segmentation d'imageRésumé : (auteur) Optical and radar satellite time series are synergetic: optical images contain rich spectral information, while C-band radar captures useful geometrical information and is immune to cloud cover. Motivated by the recent success of temporal attention-based methods across multiple crop mapping tasks, we propose to investigate how these models can be adapted to operate on several modalities. We implement and evaluate multiple fusion schemes, including a novel approach and simple adjustments to the training procedure, significantly improving performance and efficiency with little added complexity. We show that most fusion schemes have advantages and drawbacks, making them relevant for specific settings. We then evaluate the benefit of multimodality across several tasks: parcel classification, pixel-based segmentation, and panoptic parcel segmentation. We show that by leveraging both optical and radar time series, multimodal temporal attention-based models can outmatch single-modality models in terms of performance and resilience to cloud cover. To conduct these experiments, we augment the PASTIS dataset with spatially aligned radar image time series. The resulting dataset, PASTIS-R, constitutes the first large-scale, multimodal, and open-access satellite time series dataset with semantic and instance annotations. Numéro de notice : P2021-005 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Preprint nature-HAL : Préprint DOI : sans Date de publication en ligne : 14/12/2021 En ligne : https://arxiv.org/abs/2112.07558v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99392
Titre : Navigation immersive dans des images historiques [diaporama] Type de document : Article/Communication Auteurs : Mathieu Brédif , Auteur
Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2021 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : Journées 2021 inter-GdR CNRS MAGIS-MADICS-IGRV, Observation 3D : outils et verrous 24/11/2021 25/11/2021 Paris France Projets : ITowns / Paparoditis, Nicolas Langues : Français (fre) Numéro de notice : C2021-028 Affiliation des auteurs : UGE-LASTIG (2020- ) Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans En ligne : https://github.com/VCityTeam/MAGIS-AP3D/blob/master/Media/gdr_bredif_20211125.pd [...] Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98975 Near-real-time identification of the drivers of deforestation in French Guiana / Marie Ballère (2021)
PermalinkPermalinkPanoptic segmentation of satellite image time series with convolutional temporal attention networks / Vivien Sainte Fare Garnot (2021)
PermalinkPlace names in Spanish republican life stories: spatial patterns in locations and perceptions / Laurence Jolivet (2021)
PermalinkPermalinkPreface: the 2021 edition of the XXIVth ISPRS congress / Clément Mallet in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-1-2021 (July 2021)
PermalinkPermalinkRécepteurs GNSS bas coût pour la surveillance des grands ponts / Nicolas Manzini in XYZ, n° 167 (juin 2021)
PermalinkRecurrent-based regression of Sentinel time series for continuous vegetation monitoring / Anatol Garioud in Remote sensing of environment, vol 263 (15 September 2021)
PermalinkPermalink