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 (194)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
ANR HYEP ANR 14-CE22-0016-01 Hyperspectral imagery for Environmental urban Planning, Hyep, Programme Mobilité et systèmes urbains 2014 / Christiane Weber (2018)
Titre : ANR HYEP ANR 14-CE22-0016-01 Hyperspectral imagery for Environmental urban Planning, Hyep, Programme Mobilité et systèmes urbains 2014 : Compte-rendu de fin de projet Type de document : Rapport Auteurs : Christiane Weber, Auteur ; Thomas Houet, Auteur ; Sébastien Gadal, Auteur ; Rahim Aguejdad, Auteur ; Grzegorz Skupinski, Auteur ; Aziz Serradj, Auteur ; Yannick Deville, Auteur ; Jocelyn Chanussot, Auteur ; Mauro Dalla Mura, Auteur ; Xavier Briottet , Auteur ; Clément Mallet , Auteur ; Arnaud Le Bris , Auteur Editeur : Paris, Toulouse, ... : Centre national de la recherche scientifique CNRS Année de publication : 2018 Projets : HYEP / Weber, Christiane Langues : Français (fre) Résumé : (auteur) Enjeux et objectifs : L'imagerie hyperspectrale (IH) est à l’heure actuelle encore trop peu considérée, pourtant ses spécificités en font un auxiliaire de poids pour le suivi des éléments du milieu urbain. Le projet HYEP a pour objectif de proposer un panel de méthodes et de traitements appliqués à l’imagerie hyperspectrale tout en comparant à celles d’autres capteurs existants. Si l’IH est complémentaire aux capteurs actuels car plus riche spectralement, elle permet d'identifier et de caractériser autrement les éléments naturels ou anthropiques. Pour ce faire, les méthodes d'extraction d'information doivent être adaptées, voire créées. Le volet méthodologique du projet est ancré à la fois dans la solidification des approches actuelles et le test de méthodes ou adaptées ou nouvelles. Nos résultats ont été présentés tout au long du projet à la communauté scientifique et aux collectivités territoriales. Un des intérêts des travaux a été la comparaison des résultats à différentes résolutions spatiales pour préciser le gain d’un tel capteur hyperspectral par rapport à ceux existants ou à venir.
Données et Méthodes : Utilisation et adaptation de méthodes courantes en télédétection.
Les méthodes déployées ont été choisies parmi l’ensemble des méthodes existantes en les adaptant au type de signal, au nombre de bandes spectrales et aux caractéristiques du milieu. Ainsi les données étant issues de survol aérien les premiers développements ont été réalisés pour s’affranchir des effets de l’atmosphère (correction atmosphérique des images hyperspectrales – 3 méthodes testées) et une base de données de signatures morphospectrales pour divers éléments d'occupation du sol en ville (toits, routes, la végétation etc.) permettant de mieux cerner les valeurs spectrales des matériaux a été établie. Elle comprend des données de littérature, des mesures in situ et en laboratoire. Ses apports dans différents traitements de classification ont été testés. Des méthodes d’extraction, de fusion ou de classification ont été utilisées à différentes résolutions spatiales et spectrales afin de spécifier les gains par rapport à d’autres capteurs. Des méthodes de classifications et de démélange ont été adaptées. Des indices de forme facilitant la classification d’image en milieux urbain ont été testés et/ou développés.
Résultats majeurs et faits marquants :
- 3 méthodes de correction atmosphériques développées et comparées en fonction de la résolution spatiale ;
- Adaptation de méthodes de fusion (pan ou multi sharpening) et de démélange.
- Transfert : Mise en place à Kaunas (Lituanie) du développement complet de l’approche.
- Algorithmes : Dépôt sur la plateforme ouverte : http://openremotesensing.net/
et des outils de fusion PAN-hyperspectrale
- Un résultat particulièrement intéressant porte sur l’extraction et l’identification des panneaux solaires. Une validation a été réalisée par le calcul des surfaces des panneaux. Ce développement est une des réussites du projet HYEP.
- Ecole thématique CNRS en 2017
Productions scientifiques : Présentation des travaux à ISPRS Geospatial Week 2015, JURSE 2017, IGARSS 2017-2018, WHISPERS 2016-2018, GeoHyper (2015), aux ateliers TEMU, AFIGEO, dans des sessions de GDRs (Madics et ISIS) ou dans le cadre de la mission Hypxim. Elle a organisé des sessions de conférences nationales SFPT hyperspectral (2016) et 2 à l’international en 2018 IGARSS, WHISPERS. Elle a monté une école thématique CNRS (28 Août - 1 Septembre 2017-25 participants). 10 publications et 38 communications avec actes, 3 chapitres de livre, 1 numéro spécial dans la revue « Remote Sensing - Hyperspectral Imagery for Urban Environement » ont été produites.Numéro de notice : 17554 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Rapport de recherche nature-HAL : RappRech DOI : sans Date de publication en ligne : 04/10/2018 En ligne : https://hal.science/hal-01852844v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91391 Documents numériques
en open access
Rapport final HYEP - pdf auteurAdobe Acrobat PDF Classification à très haute résolution (THR) spatiale et fusion d'occupation des sols (OCS) / Tristan Postadjian (2018)
contenu dans 27èmes Journées de la Recherche de l'IGN / Journées Recherche de l'IGN 2018, 27es Journées (22 - 23 mars 2018; Cité Descartes, Champs-sur-Marne, France) (2018)
Titre : Classification à très haute résolution (THR) spatiale et fusion d'occupation des sols (OCS) Type de document : Article/Communication Auteurs : Tristan Postadjian , Auteur ; Arnaud Le Bris , Auteur ; Clément Mallet , Auteur ; Hichem Sahbi, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : 1-Pas de projet / Weber, Christiane Conférence : Journées Recherche de l'IGN 2018, 27es Journées 22/03/2018 23/03/2018 Champs-sur-Marne France programme sans actes Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal
[Termes IGN] fusion d'images
[Termes IGN] image à très haute résolution
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] image SPOT 7
[Termes IGN] occupation du sol
[Termes IGN] réseau neuronal convolutifRésumé : (auteur) La connaissance de la couverture du sol, bien qu'essentielle comme donnée support aux directives européennes et aux politiques publiques nationales, s'avère coûteuse dans des processus manuels. Des processus automatiques exploitant des données de télédétection s'avèrent donc nécessaires pour un suivi régulier. Ainsi, bénéficiant d'une donnée d'apprentissage massive avec les bases de données géographiques existantes, nous proposons l'utilisation de méthodes de classification automatique avancées de type réseaux de neurones convolutifs profonds (deep learning) pour produire une OCS à large échelle à partir d'images SPOT 6 et 7. Des couvertures annuelles du territoire français par ce capteur sont en effet mises à disposition par le pôle Théia. Un exemple d'utilisation des résultats obtenus pour la détection d'une tache artificialisée par fusion avec une classification de séries temporelles d'images optiques acquises par les satellites Sentinel-2 sera ensuite présenté. Numéro de notice : C2018-028 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90569 Documents numériques
peut être téléchargé
Classification à très haute résolution (THR) spatiale et ... - diaporamaAdobe Acrobat PDF Classification à très large échelle d'images satellite à très haute résolution spatiale par réseaux de neurones convolutifs / Tristan Postadjian (2018)
Titre : Classification à très large échelle d'images satellite à très haute résolution spatiale par réseaux de neurones convolutifs Type de document : Article/Communication Auteurs : Tristan Postadjian , Auteur ; Arnaud Le Bris , Auteur ; Hichem Sahbi, Auteur ; Clément Mallet , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : 1-Pas de projet / Weber, Christiane Conférence : CFPT 2018, Conférence Française de Photogrammétrie et de Télédétection 25/06/2018 28/06/2018 Champs-sur-Marne France Open Access Proceedings Importance : 8 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] base de données localisées
[Termes IGN] classification par réseau neuronal
[Termes IGN] image à très haute résolution
[Termes IGN] image satellite
[Termes IGN] réseau neuronal convolutifRésumé : (auteur) Les algorithmes de classification constituent un outil essentiel pour le calcul de cartes d’occupation des sols. Les récents progrès en apprentissage automatique ont montré les très grandes performances des réseaux de neurones convolutifs pour de nombreuses applications, y compris la classification d’images aériennes et satellites. Ce travail établit une stratégie quant à l’utilisation d’un réseau de neurone convolutif pour la classification d’images satellites à très haute résolution spatiale, couvrant de très larges régions géographiques, avec pour perspective future le calcul de cartes d’occupation des sols à l’échelle d’un pays. Numéro de notice : C2018-004 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans Date de publication en ligne : 28/06/2018 En ligne : https://rfiap2018.ign.fr/programmeCFPT Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90311 Documents numériques
en open access
Classification à très large échelle ... - pdf éditeurAdobe Acrobat PDF Conférence Française de Photogrammétrie et de Télédétection, 25 - 28 juin 2018, Marne-la-Vallée / Clément Mallet (2018)
Titre : Conférence Française de Photogrammétrie et de Télédétection, 25 - 28 juin 2018, Marne-la-Vallée Type de document : Actes de congrès Auteurs : Clément Mallet , Éditeur scientifique Editeur : Champs/Marne [France] : Société française de photogrammétrie et de télédétection SFPT Année de publication : 2018 Conférence : CFPT 2018, Conférence Française de Photogrammétrie et de Télédétection 25/06/2018 28/06/2018 Champs-sur-Marne France Open Access Proceedings Langues : Français (fre) Anglais (eng) Note de contenu : Session commune RFIAP+CFPT
Session 2 -- 3D et Reconstruction
Session plénière
Session 3 -- Fusion et assimilation
Session 4 -- Analyses temporelles
Session 5 -- Classification et démélange
Session plénière
Session PosterNuméro de notice : 17494 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Actes nature-HAL : DirectOuvrColl/Actes DOI : sans En ligne : https://rfiap2018.ign.fr/programmeCFPT Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90213 Domain adaptation for large scale classification of very high resolution satellite images with deep convolutional neural networks / Tristan Postadjian (2018)
Titre : Domain adaptation for large scale classification of very high resolution satellite images with deep convolutional neural networks Type de document : Article/Communication Auteurs : Tristan Postadjian , Auteur ; Arnaud Le Bris , Auteur ; Hichem Sahbi, Auteur ; Clément Mallet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2018 Projets : 2-Pas d'info accessible - article non ouvert / Weber, Christiane Conférence : IGARSS 2018, IEEE International Geoscience And Remote Sensing Symposium, observing, understanding and forecasting the dynamics of our planet 22/07/2018 27/07/2018 Valencia Espagne Proceedings IEEE Importance : pp 3631 - 3634 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] base de données d'occupation du sol
[Termes IGN] classification
[Termes IGN] grande échelle
[Termes IGN] occupation du sol
[Termes IGN] réseau neuronal convolutifRésumé : (auteur) Semantic segmentation of remote sensing images enables in particular land-cover map generation for a given set of classes. Very recent literature has shown the superior performance of deep convolutional neural networks (DCNN) for many tasks, from object recognition to semantic labelling, including the classification of Very High Resolution (VHR) satellite images. However, while plethora of works aim at improving object delineation on geographically restricted areas, few tend to solve this classification task at very large scales. New issues occur such as intra-class class variability, diachrony between surveys, and the appearance of new classes in a specific area, that do not exist in the predefined set of labels. Therefore, this work intends to (i) perform large scale classification and to (ii) expand a set of land-cover classes, using the off-the-shelf model learnt in a specific area of interest and adapting it to unseen areas. Numéro de notice : C2018-048 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS.2018.8518799 Date de publication en ligne : 05/11/2018 En ligne : https://doi.org/10.1109/IGARSS.2018.8518799 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91271 PermalinkPermalinkL'occupation et l'usage des sols par télédétection, où en sommes-nous aujourd'hui ? [Introduction] / Clément Mallet (2018)PermalinkPermalinkQGIS in Remote Sensing, Volume 2. QGIS and applications in agriculture and forest / Nicolas Baghdadi (2018)PermalinkQGIS in Remote Sensing, Volume 3. QGIS and Applications in Territorial Planning / Nicolas Baghdadi (2018)PermalinkQGIS in Remote Sensing, Volume 4. QGIS and Applications in Water and Risks / Nicolas Baghdadi (2018)PermalinkPermalinkLes référentiels géographiques : éléments du bilan des recherches 2014-2017 du LASTIG / Bénédicte Bucher (2018)PermalinkSuperpixel partitioning of very high resolution satellite images for large-scale classification perspectives with deep convolutional neural networks / Tristan Postadjian (2018)Permalink
Senior researcher in LaSTIG & head of LaSTIG
HDR defense in 2016
Page perso : https://sites.google.com/view/clementmallet