Centre dedocumentation
scientifique

Multi-nomenclature, multi-resolution joint translation: an application to land-cover mapping / Luc Baudoux in International journal of geographical information science IJGIS, vol 37 n° 2 (February 2023)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 37 n° 2 (February 2023) . - pp 403 - 437 Titre : Multi-nomenclature, multi-resolution joint translation: an application to land-cover mapping Type de document : Article/Communication Auteurs : Luc Baudoux , Auteur ; Jordi Inglada, Auteur ; Clément Mallet , Auteur Année de publication : 2023 Projets : AI4GEO / Article en page(s) : pp 403 - 437 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Cartographie thématique [Termes IGN] apprentissage profond [Termes IGN] carte d'occupation du sol [Termes IGN] carte d'utilisation du sol [Termes IGN] carte thématique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] harmonisation des données [Termes IGN] nomenclature [Termes IGN] pouvoir de résolution géométrique Résumé : (auteur) Land-use/land-cover (LULC) maps describe the Earth’s surface with discrete classes at a specific spatial resolution. The chosen classes and resolution highly depend on peculiar uses, making it mandatory to develop methods to adapt these characteristics for a large range of applications. Recently, a convolutional neural network (CNN)-based method was introduced to take into account both spatial and geographical context to translate a LULC map into another one. However, this model only works for two maps: one source and one target. Inspired by natural language translation using multiple-language models, this article explores how to translate one LULC map into several targets with distinct nomenclatures and spatial resolutions. We first propose a new data set based on six open access LULC maps to train our CNN-based encoder-decoder framework. We then apply such a framework to convert each of these six maps into each of the others using our Multi-Landcover Translation network (MLCT-Net). Extensive experiments are conducted at a country scale (namely France). The results reveal that our MLCT-Net outperforms its semantic counterparts and gives on par results with mono-LULC models when evaluated on areas similar to those used for training. Furthermore, it outperforms the mono-LULC models when applied to totally new landscapes. Numéro de notice : A2023-075 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2120996 Date de publication en ligne : 10/10/2022 En ligne : https://doi.org/10.1080/13658816.2022.2120996 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101797 [article]

CDPS: Constrained DTW-Preserving Shapelets / Hussein El Amouri (2023)  

Public Titre : CDPS: Constrained DTW-Preserving Shapelets Type de document : Article/Communication Auteurs : Hussein El Amouri, Auteur ; Thomas Lampert, Auteur ; Pierre Gançarski, Auteur ; Clément Mallet , Auteur Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2023 Collection : Lecture notes in Computer Science Sous-collection : Lecture Notes in Artificial Intelligence num. 13713 Projets : HIATUS / Giordano, Sébastien Conférence : ECML PKDD 2022, European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases 19/09/2022 23/09/2022 Grenoble France Proceedings Springer Projets : HERELLES / Gançarski, Pierre Importance : pp 21 - 37 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] analyse de données [Termes IGN] analyse de groupement [Termes IGN] classification [Termes IGN] déformation temporelle dynamique (algorithme) [Termes IGN] distance euclidienne [Termes IGN] jeu de données localisées [Termes IGN] série temporelle [Termes IGN] traitement de données localisées [Termes IGN] transformation Résumé : (auteur) The analysis of time series for clustering and classification is becoming ever more popular because of the increasingly ubiquitous nature of IoT, satellite constellations, and handheld and smart-wearable devices, etc. The presence of phase shift, differences in sample duration, and/or compression and dilation of a signal means that Euclidean distance is unsuitable in many cases. As such, several similarity measures specific to time-series have been proposed, Dynamic Time Warping (DTW) being the most popular. Nevertheless, DTW does not respect the axioms of a metric and therefore Learning DTW-Preserving Shapelets (LDPS) have been developed to regain these properties by using the concept of shapelet transform. LDPS learns an unsupervised representation that models DTW distances using Euclidean distance in shapelet space. This article proposes constrained DTW-preserving shapelets (CDPS), in which a limited amount of user knowledge is available in the form of must link and cannot link constraints, to guide the representation such that it better captures the user’s interpretation of the data rather than the algorithm’s bias. Subsequently, any unconstrained algorithm can be applied, e.g. K-means clustering, k-NN classification, etc, to obtain a result that fulfils the constraints (without explicit knowledge of them). Furthermore, this representation is generalisable to out-of-sample data, overcoming the limitations of standard transductive constrained-clustering algorithms. CLDPS is shown to outperform the state-of-the-art constrained-clustering algorithms on multiple time-series datasets. Numéro de notice : C2022-052 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE/INFORMATIQUE/MATHEMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1007/978-3-031-26387-3_2 Date de publication en ligne : 17/03/2023 En ligne : https://doi.org/10.1007/978-3-031-26387-3_2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103157

GeoMultiTaskNet: remote sensing unsupervised domain adaptation using geographical coordinates / Valerio Marsocci (2023)  

Public Titre : GeoMultiTaskNet: remote sensing unsupervised domain adaptation using geographical coordinates Type de document : Article/Communication Auteurs : Valerio Marsocci, Auteur ; Nicolas Gonthier, Auteur ; Anatol Garioud , Auteur ; Simone Scardapane, Auteur ; Clément Mallet , Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2023 Conférence : CVPR 2023, IEEE Conference on Computer Vision and Pattern Recognition workshops 18/06/2023 22/06/2023 Vancouver Colombie britannique - Canada OA Proceedings Importance : 11 p. Format : 21 x 30 cm Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] base de données d'occupation du sol [Termes IGN] image à très haute résolution [Termes IGN] jeu de données localisées [Termes IGN] métadonnées géographiques [Termes IGN] segmentation sémantique Résumé : (auteur) Land cover maps are a pivotal element in a wide range of Earth Observation (EO) applications. However, annotating large datasets to develop supervised systems for remote sensing (RS) semantic segmentation is costly and time-consuming. Unsupervised Domain Adaption (UDA) could tackle these issues by adapting a model trained on a source domain, where labels are available, to a target domain, without annotations. UDA, while gaining importance in computer vision, is still under-investigated in RS. Thus, we propose a new lightweight model, GeoMultiTaskNet, based on two contributions: a GeoMultiTask module (GeoMT), which utilizes geographical coordinates to align the source and target domains, and a Dynamic Class Sampling (DCS) strategy, to adapt the semantic segmentation loss to the frequency of classes. This approach is the first to use geographical metadata for UDA in semantic segmentation. It reaches state-of-the-art performances (47,22% mIoU), reducing at the same time the number of parameters (33M), on a subset of the FLAIR dataset, a recently proposed dataset properly shaped for RS UDA, used for the first time ever for research scopes here. Numéro de notice : C2023-004 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE Nature : Communication DOI : 10.48550/arXiv.2304.07750 En ligne : https://doi.org/10.48550/arXiv.2304.07750 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103083

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

Hyperspectral imagery and urban areas: results of the HYEP project / Christiane Weber in Revue Française de Photogrammétrie et de Télédétection, n° 224 (2022)  

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 224 (2022) . - pp 75 - 92 Titre : Hyperspectral imagery and urban areas: results of the HYEP project Type de document : Article/Communication Auteurs : Christiane Weber, Auteur ; Xavier Briottet , Auteur ; Thomas Houet, Auteur ; Sébastien Gadal, Auteur ; Rahim Aguejdad, Auteur ; Yannick Deville, Auteur ; Mauro Dalla Mura, Auteur ; Clément Mallet , Auteur ; Arnaud Le Bris , Auteur ; et al., Auteur Année de publication : 2022 Projets : HYEP / Weber, Christiane Article en page(s) : pp 75 - 92 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] analyse comparative [Termes IGN] détection d'objet [Termes IGN] fusion d'images [Termes IGN] image hyperspectrale [Termes IGN] Lituanie [Termes IGN] milieu urbain [Termes IGN] panneau photovoltaïque [Termes IGN] surface imperméable [Termes IGN] Toulouse Résumé : (Auteur) The HYEP project (ANR HYEP 14-CE22-0016-01 Hyperspectral imagery for Environmental urban Planning - Mobility and Urban Systems Programme - 2014) confirmed the interest of a global approach to the urban environment by remote sensing and in particular by using hyperspectral imaging (HI). The interest of hyperspectral images lies in the range of information provided over wavelengths from 0.4 to 4 μm; they thus provide access to spectral quantities of interest and to chemical or biophysical parameters of the surface. HYEP's objective was to specify this and to propose a panel of methods and treatments taking into account the characteristics of other existing sensors in order to compare their performance. The developments carried out were applied and evaluated on hyperspectral airborne images acquired in Toulouse and Kaunas (Lithuania), also used to synthesize space systems: Sentinel-2, Hypxim/Biodiversity and Pleiades. Among the locks identified were those related to improving the spatial capabilities of the sensors and spatial scale changes, which were partially overcome by fusion and sharpening approaches, which proved to be successful. After a description of our hyperspectral data set acquired over Toulouse, an analysis is conducted on several existing and accessible spectral databases. Then, the chosen methods are presented. They include extraction, fusion and classification methods, which are then applied on our dataset synthetized at different spatial resolution to evaluate the benefits and the complementarity of hyperspectral imagery in comparison with other traditional sensors. Some specific applications are investigated of interest for urban planners: impervious soil map, vegetation species cartography and detection of solar panels. Finally, discussion and perspectives are presented. Numéro de notice : A2022-941 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : Hal Thématique : IMAGERIE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : 10.52638/rfpt.2022.589 Date de publication en ligne : 22/12/2022 En ligne : https://dx.doi.org/10.52638/rfpt.2022.589 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102831 [article]

Predicting vegetation stratum occupancy from airborne LiDAR data with deep learning / Ekaterina Kalinicheva in International journal of applied Earth observation and geoinformation, vol 112 (August 2022)    

Permalink

Classification of vegetation classes by using time series of Sentinel-2 images for large scale mapping in Cameroon / Hermann Tagne in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-3-2022 (2022 edition)  

Permalink

Preface: The 2022 edition of the XXIVth ISPRS congress / Loïc Landrieu in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-3-2022 (2022 edition)  

Permalink

Editorial : Changes in the team of associate editors / Qihao Weng in ISPRS Journal of photogrammetry and remote sensing, vol 185 (March 2022)  

Permalink

BuyTheDips : PathLoss for improved topology-preserving deep learning-based image segmentation / Minh On Vu Ngoc (2022)  

Permalink

Deep-learning based multiple land-cover map translation / Luc Baudoux (2022)  

Permalink

Learning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)  

Permalink

Monitoring grassland dynamics by exploiting multi-modal satellite image time series / Anatol Garioud (2022)  

Permalink

Multi-layer modeling of dense vegetation from aerial LiDAR scans / Ekaterina Kalinicheva (2022)  

Permalink

Preface: the 2022 edition of the XXIVth ISPRS congress / Loïc Landrieu (2022)  

Permalink