Détail de l'auteur
Auteur Clément Mallet
Commentaire :
Autorités liées :
idHAL :
clement-mallet
idRef :
autre URL :
ORCID :
Scopus :
Publons :
G. Scholar :
DBLP URL :
|
Documents disponibles écrits par cet auteur (130)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Titre : Introducing the boundary-aware loss for deep image segmentation Type de document : Article/Communication Auteurs : Minh On Vu Ngoc, Auteur ; Yizi Chen , Auteur ; Nicolas Boutry, Auteur ; Joseph Chazalon, Auteur ; Edwin Carlinet, Auteur ; Jonathan Fabrizio, Auteur ; Clément Mallet , Auteur ; Thierry Géraud, Auteur Editeur : The British Machine Vision Association Press (BMVA) Année de publication : 2021 Projets : SODUCO / Perret, Julien Conférence : BMVC 2021, 32nd British Machine Vision Conference 22/11/2021 25/11/2021 online Royaume-Uni OA Proceedings Importance : 17 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] classification barycentrique
[Termes IGN] segmentation d'imageRésumé : (auteur) Most contemporary supervised image segmentation methods do not preserve the initial topology of the given input (like the closeness of the contours). One can generally remark that edge points have been inserted or removed when the binary prediction and the ground truth are compared. This can be critical when accurate localization of multiple interconnected objects is required. In this paper, we present a new loss function, called, Boundary-Aware loss (BALoss), based on the Minimum Barrier Distance (MBD) cut algorithm. It is able to locate what we call the leakage pixels and to encode the boundary information coming from the given ground truth. Thanks to this adapted loss, we are able to significantly refine the quality of the predicted boundaries during the learning procedure. Furthermore, our loss function is differentiable and can be applied to any kind of neural network used in image processing. We apply this loss function on the standard U-Net and DC U-Net on Electron Microscopy datasets. They are well-known to be challenging due to their high noise level and to the close or even connected objects covering the image space. Our segmentation performance, in terms of Variation of Information (VOI) and Adapted Rank Index (ARI), are very promising and lead to 15% better scores of VOI and 5% better scores of ARI than the state-of-the-art. The code of boundary-awareness loss is freely available at https://github.com/onvungocminh/MBD_BAL Numéro de notice : C2021-054 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://www.bmvc2021-virtualconference.com/assets/papers/1546.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99411 Learning to translate land-cover maps: Several multi-dimensional context-wise solutions / Luc Baudoux (2021)
Titre : Learning to translate land-cover maps: Several multi-dimensional context-wise solutions Titre original : Apprendre à traduire des cartes d'occupation des sols : Plusieurs solutions exploitant de multiples formes de contexte Type de document : Thèse/HDR Auteurs : Luc Baudoux , Auteur ; Clément Mallet , Directeur de thèse ; Jordi Inglada, Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2021 Projets : MAESTRIA / Mallet, Clément Note générale : bibliographie
École doctorale n° 532, Mathématiques, Science, et Technologie de l’Information et de la Communication (MSTIC) - Spécialité de doctorat : Signal, Image, et AutomatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] apprentissage profond
[Termes IGN] base de données d'occupation du sol
[Termes IGN] indicateur de résolution
[Termes IGN] information sémantique
[Termes IGN] nomenclature
[Termes IGN] prise en compte du contexteIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La description de la couverture biophysique des surfaces terrestres, appelée occupation du sol, est d'une importance capitale dans de nombreux domaines, allant de l'urbanisme aux études climatiques en passant par la sécurité alimentaire. Historiquement produites à la main, les cartes d'occupation du sol ont profité de l'essor de l'imagerie satellitaire et des méthodes avancées de vision par ordinateur pour gagner en précision et en fréquence de mise à jour. Elles souffrent toutefois de deux inconvénients limitant leur utilisation. D'une part, la résolution spatiale des cartes produites est fixe. Or une carte d'une résolution de 10 mètres ne conviendra pas à l'analyse de phénomènes à grande échelle, ni à l'étude d'objets de moins de 10 mètres. D'autre part, la nomenclature de la carte est choisie pour répondre à un besoin spécifique qui ne correspond pas nécessairement aux besoins d'un autre utilisateur. Ainsi, une carte peut regrouper sous le terme "bâti" un ensemble d'éléments tels que des "routes" et des "habitations", qui dans d'autres nomenclatures seront classés séparément. Les approches actuelles de traduction de nomenclatures sont principalement fondées sur des méthodes de traduction sémantique (LCCS...) appliquées au niveau de la nomenclature en comparant les définitions de classes (la classe "blé" sera traduite en "herbacée"). Ce faisant, elles négligent le fait que deux objets de la même classe peuvent être traduits différemment en fonction, par exemple, de leur contexte spatial ou de leur évolution temporelle. En outre, la traduction de la résolution spatiale est généralement traitée distinctement de la traduction de nomenclature alors que ces deux notions sont intimement liées (un arbre seul ne peut pas être traduit en "forêt"). Cette thèse aborde ce problème en proposant des méthodes de traduction contextuelle augmentant les possibilités de réutilisation et de génération de nouvelles occupations des sols. Dans un premier temps, nous proposons différentes stratégies, principalement fondées sur des réseaux de neurones à convolution apprenant à traduire une carte source en une carte cible en fonction du contexte. Nous montrons l'importance cruciale du contexte spatial et géographique (une forêt en montagne est probablement constituée de conifères) sur de multiples exemples de traductions. Dans un deuxième temps, partant du constat que les modèles de traduction multi-langues donnent de meilleurs résultats que ceux entraînés à traduire d'une seule langue source vers une seule langue cible, nous proposons un modèle de traduction multi-cartes permettant d'obtenir plusieurs nomenclatures cibles à partir d'une carte source. Nous montrons que ce modèle permet d'obtenir des résultats plus robustes que les modèles entraînés sur une seule traduction, en particulier sur des cartes avec peu d'échantillons d'entraînement. Troisièmement, nous expérimentons différentes configurations de fusion multimodale fusionnant des images satellites (optiques et radar) et des données d'élévation du terrain avec des cartes d'occupation du sol. Enfin, nous définissons la notion et proposons une méthode pour construire un espace de représentation sémantique commun à toutes les occupations du sol. Nous ne représentons alors plus la traduction comme le passage d'un espace de représentation discret à n classes (une nomenclature) vers un autre espace, mais comme un simple changement d'interprétation d'un espace de représentation sémantique continu commun à toutes les nomenclatures. Nous proposons une première application de la notion d'espace de représentation sémantique à la traduction, en nous concentrant sur la traduction de cartes sources non vues pendant l’entraînement du modèle de traduction. Les codes et jeux de données (France entière, six cartes d'occupation du sol, images satellite, vérité terrain) produits au cours de cette thèse sont rendus accessibles pour la reproductibilité et des comparaisons futures. Numéro de notice : 17766 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse : Signal, Image, et Automatique : Gustave Eiffel : 2021 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 07/02/2023 En ligne : https://hal.science/tel-03977658 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103209 Vectorization of historical maps using deep edge filtering and closed shape extraction / Yizi Chen (2021)
Titre : Vectorization of historical maps using deep edge filtering and closed shape extraction Type de document : Article/Communication Auteurs : Yizi Chen , Auteur ; Edwin Carlinet, Auteur ; Joseph Chazalon, Auteur ; Clément Mallet , Auteur ; Bertrand Duménieu , Auteur ; Julien Perret , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2021 Projets : SODUCO / Perret, Julien Conférence : ICDAR 2021, 16th International Conference on Document Analysis and Recognition 05/09/2021 10/09/2021 Lausanne Suisse OA Proceedings Importance : 17 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] apprentissage profond
[Termes IGN] carte ancienne
[Termes IGN] chaîne de traitement
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] filtrage numérique d'image
[Termes IGN] traitement d'image
[Termes IGN] vectorisationRésumé : (auteur) Maps have been a unique source of knowledge for centuries. Such historical documents provide invaluable information for analyzing the complex spatial transformation of landscapes over important time frames. This is particularly true for urban areas that encompass multiple interleaved research domains (social sciences, economy, etc.). The large amount and significant diversity of map sources call for automatic image processing techniques in order to extract the relevant objects under a vectorial shape. The complexity of maps (text, noise, digiti-zation artifacts, etc.) has hindered the capacity of proposing a versatile and efficient raster-to-vector approaches for decades. We propose alearnable, reproducible, and reusable solution for the automatic transformation of raster maps into vector objects (building blocks, streets,rivers). It is built upon the complementary strength of mathematical morphology and convolutional neural networks through efficient edge filtering. Even more, we modify ConnNet and combine with deep edgefiltering architecture to make use of pixel connectivity information and built an end-to-end system without requiring any post-processing techniques. In this paper, we focus on the comprehensive benchmark on various architectures on multiple datasets coupled with a novel vectorization step. Our experimental results on a new public dataset using COCO Panoptic metric exhibit very encouraging results confirmedby a qualitative analysis of the success and failure cases of our approach. Code, dataset, results and extra illustrations are freely available at https://github.com/soduco/ICDAR-2021-Vectorization Numéro de notice : C2021-011 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://hal.science/hal-03256073/document Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97988 Vegetation stratum occupancy prediction from airborne LiDAR 3D point clouds / Ekaterina Kalinicheva (2021)
Titre : Vegetation stratum occupancy prediction from airborne LiDAR 3D point clouds Type de document : Article/Communication Auteurs : Ekaterina Kalinicheva , Auteur ; Loïc Landrieu , Auteur ; Clément Mallet , Auteur ; Nesrine Chehata , Auteur Editeur : Vienne [Autriche] : Technische Universität Wien Année de publication : 2021 Collection : Geowissenschaftliche Mitteilungen, ISSN 1811-8380 num. 104 Projets : 1-Pas de projet / Perret, Julien Conférence : SilviLaser 2021, 17th conference on Lidar Applications for Assessing and Managing Forest Ecosystems 28/09/2021 30/09/2021 Vienne + online Autriche open access proceedings Importance : pp 41 - 43 Note générale : Data sets in https://zenodo.org/badge/DOI/10.5281/zenodo.5555758.svg Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] capteur aérien
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] semis de pointsRésumé : (auteur) [introduction] Estimating the structure of vegetation is a crucial first step for many environmental and ecological applications (Daubenmire 1956). In particular, pasture land management requires estimating the occupancy of the different vegetation strata within agricultural parcels. This is a time-consuming undertaking, often performed with in situ ocular approximate measurements. Nowadays, airborne platforms allow public and private actors to gather high accuracy geometric and radiometric data over large areas (Chen 2007). Bolstered by the compelling improvements (Guo et al., 2020) and increased accessibility of deep learning for 3D point clouds, we propose a 3D deep learning method to estimate the occupancy of different vegetation strata from airborne LiDAR and camera sensors. Our method predicts raster occupancy maps for three vegetation strata (lower, medium, and higher) from 3D point clouds. Our training scheme allows our network to only be supervised with aggregated occupancy values at the plot level, which are easier to produce than point or pixel-level annotations. We also propose to use priors on the stratum elevation and the occupancy maps to improve the legibility and interpretability of the resulting maps. Numéro de notice : C2021-032 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers ArXiv Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.34726/wim.1909 Date de publication en ligne : 01/12/2021 En ligne : https://doi.org/10.34726/wim.1909 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98996 vol V-4-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 4, 31th August-2nd September 2020, Nice, France (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences) / Nicolas Paparoditis
[n° ou bulletin]
est un bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences / International society for photogrammetry and remote sensing (1980 -) (2012 - )
Titre : vol V-4-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 4, 31th August-2nd September 2020, Nice, France Type de document : Périodique Auteurs : Nicolas Paparoditis , Éditeur scientifique ; Clément Mallet , Éditeur scientifique ; Florent Lafarge, Éditeur scientifique ; Sisi Zlatanova, Éditeur scientifique ; Suzana Dragićević, Éditeur scientifique ; George Sithole, Éditeur scientifique ; Giorgio Agugiaro, Éditeur scientifique ; Jamal Jokar Arsanjani, Éditeur scientifique ; Sidonie Christophe , Éditeur scientifique ; et al., Éditeur scientifique Année de publication : 2020 Conférence : ISPRS 2020, Commission 4, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Annals Commission 4 Langues : Anglais (eng) Numéro de notice : sans Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Nature : Numéro de périodique nature-HAL : DirectOuvrColl/Actes En ligne : https://www.isprs-ann-photogramm-remote-sens-spatial-inf-sci.net/V-4-2020/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=32713 [n° ou bulletin]Contient
- Opportunities and challenges for augmented reality situated geographical visualization / María-Jesús Lobo in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-4-2020 (August 2020)
- A regression model of spatial accuracy prediction for Openstreetmap buildings / Ibrahim Maidaneh Abdi in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-4-2020 (August 2020)
vol V-5-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 5, 31th August-2nd September 2020, Nice, France (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences) / Nicolas PaparoditisPermalinkSemCity Toulouse: a benchmark for building instance segmentation in satellite images / Ribana Roscher in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-5-2020 (August 2020)Permalinkvol V-1-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 1, 31th August-2nd September 2020, Nice, France (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences) / Nicolas PaparoditisPermalinkvol V-2-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 2, 31th August-2nd September 2020, Nice, France (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences) / Nicolas PaparoditisPermalinkvol V-3-2020 - August 2020 - [Actes] XXIV ISPRS virtual Congress, Commission 3, 31th August-2nd September 2020, Nice, France (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences) / Nicolas PaparoditisPermalinkCNN semantic segmentation to retrieve past land cover out of historical orthoimages and DSM: first experiments / Arnaud Le Bris in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-2-2020 (August 2020)PermalinkPreface: the 2020 edition of the XXIVth ISPRS congress / Clément Mallet in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol V-1-2020 (August 2020)PermalinkClassification of time series of Sentinel-2 images for large scale mapping in Cameroon / Hermann Tagne (2020)PermalinkPermalinkForeword to the special issue on paving the way for the future of urban remote sensing / Sébastien Lefèvre in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol 13 ([01/01/2020])Permalink
Senior researcher in LaSTIG & head of LaSTIG
HDR defense in 2016
Page perso : https://sites.google.com/view/clementmallet