Centre de documentation
scientifique

Exploring the potential of deep learning for map generalization / Azelle Courtial (2023)  

Public Titre : Exploring the potential of deep learning for map generalization Type de document : Thèse/HDR Auteurs : Azelle Courtial , Auteur ; Guillaume Touya , Directeur de thèse ; Xiang Zhang, Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2023 Importance : 216 p. Note générale : bibliographie Doctoral thesis from Université Gustave Eiffel, Doctoral school MSTIC, Specialty "Geographic information sciences" Langues : Anglais (eng) Descripteur : [Termes IGN] généralisation automatique de données [Termes IGN] généralisation cartographique automatisée [Termes IGN] relation spatiale [Termes IGN] réseau antagoniste génératif [Termes IGN] réseau neuronal profond [Vedettes matières IGN] Généralisation Index. décimale : THESE Thèses et HDR Résumé : (auteur) Map generalization is a process that aims to adapt the level of detail of geographic information for cartography at a small scale. Automating the process is complex but essential in map production. We think this research field could benefit from the recent advances in deep learning that make it possible to solve more and more complex tasks, using numerous training examples. This thesis proposes exploring the potential of deep learning for map generalization. This exploration is built upon three map generalization use cases: recognition of spatial relations, graphic generalization of mountain roads, and generalization of topographic maps at medium scales. These three use cases enable us to address research questions relative to the concrete implementation of deep learning models for map generalization (including dataset creation and architecture), the evaluation of such models and their integration in existing generalization processes. In addition to the models and training set adapted for each of our case studies already mentioned, we propose evaluation methods adapted to the challenges of cartographic generalization by deep learning. Finally, we propose a partitioning of the cartographic generalization into sub-problems facilitating the resolution by learning and allowing the generation of generalized map images. Note de contenu : Introduction Part 1 A new paradigm for map generalization Chapter A. Literature review Chapter B. Formulating map generalization as a deep learning task Chapter C. Designing a framework for deep learning based map generalization Part 2 Exploration of deep learning for map generalization Chapter D. Can graph neural networks model spatial relations? Chapter E. CNN for the generalization of roads Chapter F. The generation of topographic map with several themes Part III The future of map generalization with deep learning Chapter G. Usages of deep learning models for map generalization Chapter H. Evaluation of deep learning predictions Conclusion Numéro de notice : 17752 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Thèse française Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 05/05/2023 En ligne : https://theses.hal.science/tel-04089883v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103186

Modern vectorization and alignment of historical maps: An application to Paris Atlas (1789-1950) / Yizi Chen (2023)  

Public Titre : Modern vectorization and alignment of historical maps: An application to Paris Atlas (1789-1950) Titre original : Vectorisation et alignement modernes des cartes historiques : Une application à l'Atlas de Paris (1789-1950) Type de document : Thèse/HDR Auteurs : Yizi Chen , Auteur ; Julien Perret , Directeur de thèse ; Joseph Chazalon, Directeur de thèse ; Clément Mallet , Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2023 Importance : 124 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] alignement des données [Termes IGN] apprentissage profond [Termes IGN] carte ancienne [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] contraste local [Termes IGN] extraction automatique [Termes IGN] jeu de données localisées [Termes IGN] morphologie mathématique [Termes IGN] Paris (75) [Termes IGN] plan de ville [Termes IGN] reconnaissance de formes [Termes IGN] vectorisation [Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) Les cartes sont une source unique de connaissances depuis des siècles. Ces documents historiques fournissent des informations inestimables pour analyser des transformations spatiales complexes sur des périodes importantes. Cela est particulièrement vrai pour les zones urbaines qui englobent de multiples domaines de recherche imbriqués : humanités, sciences sociales, etc. La complexité des cartes (texte, bruit, artefacts de numérisation, etc.) a entravé la capacité à proposer des approches de vectorisation polyvalentes et efficaces pendant des décennies. Dans cette thèse, nous proposons une solution apprenable, reproductible et réutilisable pour la transformation automatique de cartes raster en objets vectoriels (îlots, rues, rivières), en nous focalisant sur le problème d'extraction de formes closes. Notre approche s'appuie sur la complémentarité des réseaux de neurones convolutifs qui excellent dans et de la morphologie mathématique, qui présente de solides garanties au regard de l'extraction de formes closes tout en étant très sensible au bruit. Afin d'améliorer la robustesse au bruit des filtres convolutifs, nous comparons plusieurs fonctions de coût visant spécifiquement à préserver les propriétés topologiques des résultats, et en proposons de nouvelles. À cette fin, nous introduisons également un nouveau type de couche convolutive (CConv) exploitant le contraste des images, pour explorer les possibilités de telles améliorations à l'aide de transformations architecturales des réseaux. Finalement, nous comparons les différentes approches et architectures qui peuvent être utilisées pour implémenter chaque étape de notre chaîne de traitements, et comment combiner ces dernières de la meilleure façon possible. Grâce à une chaîne de traitement fonctionnelle, nous proposons une nouvelle procédure d'alignement d'images de plans historiques, et commençons à tirer profit de la redondance des données extraites dans des images similaires pour propager des annotations, améliorer la qualité de la vectorisation, et éventuellement détecter des cas d'évolution en vue d'analyse thématique, ou encore l'estimation automatique de la qualité de la vectorisation. Afin d'évaluer la performance des méthodes mentionnées précédemment, nous avons publié un nouveau jeu de données composé d'images de plans historiques annotées. C'est le premier jeu de données en libre accès dédié à la vectorisation de plans historiques. Nous espérons qu'au travers de nos publications, et de la diffusion ouverte et publique de nos résultats, sources et jeux de données, cette recherche pourra être utile à un large éventail d'applications liées aux cartes historiques. Note de contenu : 1- Introduction 2- Pipeline design for historical map vectorization 3- Learning edges through deep neural architectures 4- Topology-aware loss functions 5- Improving model robustness of deep edge detectors 6- Leveraging redundancies of historical maps 7- Conclusion and perspectives Numéro de notice : 10713 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences géographiques : UGE : 2023 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-04106107 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103264

Signal Processing for GNSS Reflectometry / Corentin Lubeigt (2023)  

Public Titre : Signal Processing for GNSS Reflectometry Type de document : Thèse/HDR Auteurs : Corentin Lubeigt, Auteur ; Eric Chaumette, Directeur de thèse ; Jordi Vilà-Valls, Directeur de thèse Editeur : Toulouse : Institut Supérieur de l’Aéronautique et de l’Espace Année de publication : 2023 Importance : 217 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse pour obtenir le grade de Docteur de l'Université de Toulouse, Spécialité Informatique et Télécommunications Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal [Termes IGN] convolution (signal) [Termes IGN] distorsion du signal [Termes IGN] réflectométrie par GNSS [Termes IGN] réflexion (rayonnement) [Termes IGN] théorie de l'estimation Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Global Navigation Satellite Systems (GNSS) Reflectometry, or GNSS-R, is the study of GNSS signals reflected from the Earth’s surface. These so-called signals of opportunity, usually seen as a nuisance in standard navigation applications, contain meaningful information on the nature and relative position of the reflecting surface. Depending on the receiver platform (e.g., ground-based, airplane, satellite) and the reflecting surface itself (e.g., rough sea, lake), the reflected signal, more or less distorted, is difficult to model, and the corresponding methods to estimate the signal parameters of interest may vary. This thesis starts from the navigation multipath problem in harsh environments, which can be seen as a dual source estimation problem where the main source is the signal of interest, and the secondary one is a single reflection of the main source. Depending on the scenario and the resources at hand, it is possible i) to estimate the parameters of interest (i.e., time-delay, Doppler frequency, amplitude and phase) of both sources, or ii) to estimate only one source’s parameters, although these estimates may be biased because of the interfering source. Either way, it is necessary to know the achievable performance for these estimation problems. For this purpose, tools from the estimation theory, such as the Cramér-Rao bound (CRB), can be used. In this thesis a CRB expression was derived for the properly specified case (dual source), and the misspecified one (single source). These bounds were compared to the performance obtained with different estimators, in order to theoretically characterize the problem at hand. This study allowed to establish a clear mathematical framework that also fits the ground-based GNSS-R problem, for which the reflected signal is little distorted by the reflecting surface. In this case, the direct and reflected signals are close in time, which inevitably leads to interference, or crosstalk, and then to a clear performance degradation. Standard GNSS-R techniques, which do not perform well in this ground-based scenario, were compared to the CRB and two proposed approaches: i) a Taylor approximation of the dual source likelihood criterion when both sources are very close in time, and ii) a dual source estimation strategy to reduce or cancel the crosstalk. This part on ground-based GNSS-R was supported by a real data set, obtained from a data collection campaign organized by CNES (Toulouse, France). The problem changes slowly when the satellite elevation increases: the reflection, assumed coherent so far, turns non-coherent because of the reflecting surface roughness. The automatic detection of this transition (i.e., from coherent to non-coherent) is of great interest for future satellite missions. Reflection coherence is mainly observed by looking at the relative phase between the reflected and direct signals. Consequently, a statistical study of phase difference time series allowed to build tests that depend on the time series Gaussianity or regularity. The proposed tests were applied to a data set provided by the IEEC (Barcelona, Spain). Finally, for scenarios where the reflecting surface distorts the signal significantly, it is necessary to adapt the signal model. The approach proposed in this thesis is to consider the received signal as a convolution between the transmitted signal and the reflecting surface impulse response. This signal model goes with the derivation of the corresponding CRB and the implementation of the maximum likelihood estimator. The question of the impulse response size determination, that is, the determination of the number of pulses required to describe the impulse response, was also tackled based on hypothesis tests. Simulation results show the potential of this approach. Note de contenu : Introduction 1. Concepts and Tools: From Estimation Theory to GNSS-R 1.1 Introduction 1.2 Background on Deterministic Estimation Theory 1.3 Global Navigation Satellite Systems 1.4 The Multipath Problem 1.5 GNSS Reflectometry 1.6 Conclusion 2. Multipath Effect and Its Impact on Positioning Performance 2.1 Introduction 2.2 MPEE for Different Multipath Mitigation Techniques 2.3 Joint Delay-Doppler Estimation Performance in a Dual Source Context 2.4 A Metric for Multipath-Robust Signal Design and Analysis 2.5 Misspecified Cramér-Rao Bounds in Multipath Scenarios 2.6 Conclusion 3. Ground-Based GNSS-R 3.1 Introduction 3.2 Gruissan Data Campaign 3.3 Crosstalk Characterization 3.4 Approximate Maximum Likelihood for Narrowband GNSS Signals 3.5 Performance on Simulated Data 3.6 Altimetry Using Wideband GNSS Signals 3.7 Conclusion 4. Towards Diffuse Scattering 4.1 Introduction 4.2 Coherence Analysis 4.3 Impulse Response Estimation 4.4 Impulse Response Size Determination: A Detection Problem 4.5 Conclusion Conclusion and Perspectives Numéro de notice : 26963 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique et Télécommunications : Toulouse : 2023 nature-HAL : Thèse DOI : sans Date de publication en ligne : 27/02/2023 En ligne : https://hal.science/tel-04006612v1/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102915

Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique / Thomas Bernard (2022)  

Public Titre : Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique Type de document : Thèse/HDR Auteurs : Thomas Bernard, Auteur ; Dimitri Lague, Directeur de thèse ; Philippe Davy, Directeur de thèse Editeur : Rennes : Université de Rennes 1 Année de publication : 2022 Importance : 253 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de Doctorat de l'Université Rennes 1, Spécialité Sciences de la Terre et de l’Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] analyse du paysage [Termes IGN] détection de changement [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] effondrement de terrain [Termes IGN] géomorphologie locale [Termes IGN] modèle hydrographique [Termes IGN] Nouvelle-Zélande [Termes IGN] semis de points [Termes IGN] télémétrie laser aéroporté Index. décimale : THESE Thèses et HDR Résumé : (auteur) L’objectif fondamental de la géomorphologie est l’identification et la caractérisation des processus façonnant les paysages. En fournissant une représentation 3D haute précision et haute densité des paysages, le LiDAR aéroporté a révolutionné notre capacité à extraire des informations sur la topographie fournissant ainsi de nouvelles opportunités pour l’identification et la compréhension des processus géomorphologiques. Ce potentiel reste sous-exploité dans de nombreuses problématiques en géomorphologie du fait de l’incapacité des méthodes d’analyse actuelles à exploiter la richesse d’information fournie par le LiDAR aéroporté. Cette thèse intègre les derniers développements sur la simulation hydraulique 2D et la détection de changements 3D afin d’améliorer les méthodes d’analyse pour (i) la description de la structure des paysages fluviaux et (ii) l’identification et l’analyse géométrique des glissements de terrain à haute résolution. Les principaux résultats montrent que la simulation hydraulique 2D permet la définition d’indicateurs hydro-géomorphiques prenant pleinement en compte la structure haute résolution des écoulements de surface. Ces indicateurs permettent une meilleure identification des connexions versants-rivières et la caractérisation de la géométrie hydraulique des chenaux. L’intégration de la détection de changement 3D permet d’exploiter la structure 3D des données LiDAR pour la création d’inventaires robustes, complets et objectifs des glissements de terrain. Cette approche permet une meilleure quantification du volume des glissements de terrain en comparaison des approches traditionnelles. Note de contenu : Introduction générale 1- Etat de l'Art et problématiques 2- Apports de la simulation hydraulique 2D dans l’analyse morphologique haute résolution des paysages 3- Détection semi-automatique et analyses géométriques des glissements de terrain à partir de LiDAR aéroporté répété 4- Approche méthodologique préliminaire pour l’analyse morphodynamique des paysages à la suite de perturbations exogènes par LiDAR aéroporté répété et simulation hydraulique 2D 5- Conclusions et perspectives Numéro de notice : 24024 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’Environnement : Rennes 1 : 2022 Organisme de stage : Géosciences DOI : sans En ligne : https://tel.hal.science/tel-03783246 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101820

Analysis of pedestrian movements and gestures using an on-board camera to predict their intentions / Joseph Gesnouin (2022)  

Public Titre : Analysis of pedestrian movements and gestures using an on-board camera to predict their intentions Titre original : Analyse des mouvements et gestes des piétons via caméra embarquée pour la prédiction de leurs intentions Type de document : Thèse/HDR Auteurs : Joseph Gesnouin, Auteur ; Fabien Moutarde, Directeur de thèse Editeur : Paris : Université Paris Sciences et Lettres Année de publication : 2022 Importance : 171 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de doctorat de l'Université Paris Sciences et Lettres, Préparée à MINES ParisTech, Spécialité Informatique temps réel, robotique et automatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes IGN] apprentissage profond [Termes IGN] attention (apprentissage automatique) [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] classification par réseau neuronal récurrent [Termes IGN] estimation de pose [Termes IGN] image RVB [Termes IGN] instrument embarqué [Termes IGN] navigation autonome [Termes IGN] piéton [Termes IGN] reconnaissance de gestes [Termes IGN] réseau neuronal de graphes [Termes IGN] squelettisation [Termes IGN] trajectoire (véhicule non spatial) [Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) The autonomous vehicle (AV) is a major challenge for the mobility of tomorrow. Progress is being made every day to achieve it; however, many problems remain to be solved to achieve a safe outcome for the most vulnerable road users (VRUs). One of the major challenge faced by AVs is the ability to efficiently drive in urban environments. Such a task requires interactions between autonomous vehicles and VRUs to resolve traffic ambiguities. In order to interact with VRUs, AVs must be able to understand their intentions and predict their incoming actions. In this dissertation, our work revolves around machine learning technology as a way to understand and predict human behaviour from visual signals and more specifically pose kinematics. Our goal is to propose an assistance system to the AV that is lightweight, scene-agnostic that could be easily implemented in any embedded devices with real-time constraints. Firstly, in the gesture and action recognition domain, we study and introduce different representations for pose kinematics, based on deep learning models as a way to efficiently leverage their spatial and temporal components while staying in an euclidean grid-space. Secondly, in the autonomous driving domain, we show that it is possible to link the posture, the walking attitude and the future behaviours of the protagonists of a scene without using the contextual information of the scene (zebra crossing, traffic light...). This allowed us to divide by a factor of 20 the inference speed of existing approaches for pedestrian intention prediction while keeping the same prediction robustness. Finally, we assess the generalization capabilities of pedestrian crossing predictors and show that the classical train-test sets evaluation for pedestrian crossing prediction, i.e., models being trained and tested on the same dataset, is not sufficient to efficiently compare nor conclude anything about their applicability in a real-world scenario. To make the research field more sustainable and representative of the real advances to come. We propose new protocols and metrics based on uncertainty estimates under domain-shift in order to reach the end-goal of pedestrian crossing behavior predictors: vehicle implementation. Note de contenu : 1- Introduction 2- Human activity recognition with pose-driven deep learning models 3- From action recognition to pedestrian discrete intention prediction 4- Assessing the generalization of pedestrian crossing predictors 5- Conclusion Numéro de notice : 24066 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique temps réel, robotique et automatique : Paris Sciences et Lettres : 2022 DOI : sans En ligne : https://tel.hal.science/tel-03813520 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102091

Applications of multi-image remote sensing / Roger Mari Molas (2022)  

Permalink

Apport de l’intelligence artificielle au domaine des villes intelligentes : application à l’assistance des déplacements des personnes à mobilité réduite / Nathan Aky (2022)  

Permalink

Apport des nouveaux systèmes GNSS de cartographie du niveau marin à l’exploitation des données altimétriques en zone côtière / Clémence Chupin (2022)  

Permalink

Apport de la télédétection et des variables auxiliaires dans l'étude de l'évolution des périodes de sécheresse / Nesrine Farhani (2022)  

Permalink

Apprentissage profond pour l'imagerie SAR : du débruitage à l'interprétation de scène / Emanuele Dalsasso (2022)  

Permalink

Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques / Jean-Yves Franceschi (2022)  

Permalink

Attributs de texture extraits d'images multispectrales acquises en conditions d'éclairage non contrôlées : application à l'agriculture de précision / Anis Amziane (2022)  

Permalink

Cartographie dynamique de la topographie de l'océan de surface par assimilation de données altimétriques / Florian Le Guillou (2022)  

Permalink

Contraintes observationnelles historiques sur la sensibilité climatique : implications pour les projections de la hausse du niveau de la mer / Jonathan Chenal (2022)  

Permalink

Contribution to object extraction in cartography : A novel deep learning-based solution to recognise, segment and post-process the road transport network as a continuous geospatial element in high-resolution aerial orthoimagery / Calimanut-Ionut Cira (2022)  

Permalink