Détail de l'auteur
Auteur Thomas Corpetti |
Documents disponibles écrits par cet auteur (6)
Ajouter le résultat dans votre panier Affiner la recherche Interroger des sources externesSiamese KPConv: 3D multiple change detection from raw point clouds using deep learning / Iris de Gelis in ISPRS Journal of photogrammetry and remote sensing, vol 197 (March 2023)
Titre : Siamese KPConv: 3D multiple change detection from raw point clouds using deep learning Type de document : Article/Communication Auteurs : Iris de Gelis, Auteur ; Sébastien Lefèvre, Auteur ; Thomas Corpetti, Auteur Année de publication : 2023 Article en page(s) : pp 274 - 291 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] apprentissage profond
[Termes IGN] bâtiment
[Termes IGN] détection de changement
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] modèle numérique de surface
[Termes IGN] réseau neuronal siamois
[Termes IGN] semis de points
[Termes IGN] végétation
[Termes IGN] zone urbaineRésumé : (auteur) This study is concerned with urban change detection and categorization in point clouds. In such situations, objects are mainly characterized by their vertical axis, and the use of native 3D data such as 3D Point Clouds (PCs) is, in general, preferred to rasterized versions because of significant loss of information implied by any rasterization process. Yet, for obvious practical reasons, most existing studies only focus on 2D images for change detection purpose. In this paper, we propose a method capable of performing change detection directly within 3D data. Despite recent deep learning developments in remote sensing, to the best of our knowledge there is no such method to tackle multi-class change segmentation that directly processes raw 3D PCs. Thereby, based on advances in deep learning for change detection in 2D images and for analysis of 3D point clouds, we propose a deep Siamese KPConv network that deals with raw 3D PCs to perform change detection and categorization in a single step. Experimental results are conducted on synthetic and real data of various kinds (LiDAR, multi-sensors). Tests performed on simulated low density LiDAR and multi-sensor datasets show that our proposed method can obtain up to 80% of mean of IoU over classes of changes, leading to an improvement ranging from 10% to 30% over the state-of-the-art. A similar range of improvements is attainable on real data. Then, we show that pre-training Siamese KPConv on simulated PCs allows us to greatly reduce (more than 3,000
) the annotations required on real data. This is a highly significant result to deal with practical scenarios. Finally, an adaptation of Siamese KPConv is realized to deal with change classification at PC scale. Our network overtakes the current state-of-the-art deep learning method by 23% and 15% of mean of IoU when assessed on synthetic and public Change3D datasets, respectively. The code is available at the following link: https://github.com/IdeGelis/torch-points3d-SiameseKPConv.Numéro de notice : A2023-147 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2023.02.001 Date de publication en ligne : 17/02/2023 En ligne : https://doi.org/10.1016/j.isprsjprs.2023.02.001 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102805
in ISPRS Journal of photogrammetry and remote sensing > vol 197 (March 2023) . - pp 274 - 291[article]
Titre : Les synergies de la télédétection optique par drone et satellite : changement d’échelle et application à la conservation des prairies humides Type de document : Thèse/HDR Auteurs : Emilien Alvarez-Vanhard, Auteur ; Thomas Houet, Directeur de thèse ; Thomas Corpetti, Directeur de thèse Editeur : Rennes : Université de Rennes 2 Année de publication : 2021 Importance : 193 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse présentée pour obtenir le grade de Docteur de l’Université de Rennes 2, Spécialité : GéographieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte de la végétation
[Termes IGN] données de terrain
[Termes IGN] échelle des données
[Termes IGN] étalonnage des données
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image satellite
[Termes IGN] inondation
[Termes IGN] jeu de données localisées
[Termes IGN] marais
[Termes IGN] phytosociologie
[Termes IGN] prairie
[Termes IGN] réserve naturelle
[Termes IGN] zone humideIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) La technologie drone est une nouvelle source de données de télédétection qui offre de nouvelles perspectives aux sciences de l'observation de la Terre. Elle permet un nouveau régime d'observation flexible et à très haute résolution spatiale qui apparaît comme complémentaire à celui des systèmes satellitaires et favorise l'application du changement d'échelle. Cette thèse a pour objectif d'évaluer l'apport des complémentarités entre drone et satellite pour le suivi des prairies humides - des milieux à fort enjeux écologiques et économiques. Pour cela, les principales synergies entre les données drone et satellite ont été identifiées dans la littérature scientifique. Un jeu de données multi-sources et multi-échelles alliant observations drone, satellitaires et in-situ a été constitué sur le site de la réserve régionale du marais de Sougéal, France. Ainsi, deux synergies adaptées au changement d'échelle - la "calibration de modèle" et la "fusion de données" - ont été appliquées à la cartographie de la structure des prairies humides - la distribution des communautés végétales et les dynamiques d'inondation. Les résultats montrent que le drone apporte une information sur la structure spatiale fine qui est utile pour dépasser les effets de pixels mixtes présents dans les données satellitaires. Par ailleurs, ces synergies facilitent la réalisation de représentations cartographiques qui intègrent la nature graduelle des milieux de prairies humides. Note de contenu : Introduction générale
Chapitre 1 - État-de-l’art : Identification des synergies entre drone et satellite
1.1 Introduction
1.2 Méthodes
1.3 Résultats
1.4 Discussion
1.5 Conclusion
Chapitre 2 - Le potentiel des synergies drone/satellite pour le suivi des prairies humides
2.1 Introduction
2.2 Les problématiques et enjeux du suivi des prairies humides
2.3 Méthodologies appliquées aux synergies drone/satellite
2.4 Site d’étude et données
2.5 Conclusion
Chapitre 3 - Calibration de modèle : Cartographie des communautés végétales de prairie humide
3.1 Introduction
3.2 Matériels
3.3 Méthodes
3.4 Résultats
3.5 Discussion
3.6 Conclusion
Chapitre 4 - Fusion de données : Cartographie des dynamiques d’inondation de prairie humide
4.1 Introduction
4.2 Matériels
4.3 Méthodes
4.4 Résultats
4.5 Discussion
4.6 Conclusion
Conclusion généraleNuméro de notice : 26727 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géographie : Rennes 2 : 2021 Organisme de stage : Littoral, Environnement, Télédétection, Géomatique LETG nature-HAL : Thèse DOI : sans Date de publication en ligne : 10/01/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03519981/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99529
Titre : Foreword to the special issue on paving the way for the future of urban remote sensing Type de document : Article/Communication Auteurs : Sébastien Lefèvre, Éditeur scientifique ; Thomas Corpetti, Éditeur scientifique ; Monika Kuffer, Éditeur scientifique ; Hannes Taubenböck, Éditeur scientifique ; Clément Mallet Année de publication : 2020 Article en page(s) : pp 6533 - 6536 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection Numéro de notice : A2020-278 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/JSTARS.2020.3046096 En ligne : https://doi.org/10.1109/JSTARS.2020.3046096 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96817
in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing > vol 13 [01/01/2020] . - pp 6533 - 6536[article]
Titre : Innovative Methods and Products of the " Urbanization and Artificialization" Scientific Expertise Centre Type de document : Article/Communication Auteurs : Anne Puissant, Auteur ; Arnaud Le Bris Editeur : Paris : HAL Année de publication : 2019 Conférence : LPS 2019, ESA Living Planet Symposium 13/05/2019 17/05/2019 Milan Italie programme sans actes Importance : 2 p. Format : 21 x 30 cm Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Infrastructure de données
[Termes IGN] données localisées
[Termes IGN] empreinte écologique
[Termes IGN] information scientifique et technique
[Termes IGN] télédétection
[Termes IGN] urbanisation
[Termes IGN] utilisation du solRésumé : (auteur) he THEIA Land Data and Services Centre (www.theia-land.fr) is a consortium of 12 French public institutions involved in Earth observation and environmental sciences (CEA, CEREMA, CIRAD, CNES, IGN, INRA, CNRS, IRD, Irstea, Météo France, AgroParisTech, and ONERA). THEIA has been initiated in 2012 with the objective of increasing the use of space data by the scientific community and the public actors. THEIA structured the French scientific community 1) through a mutualized Service and Data Infrastructure (SDI) distributed between several centers, allowing access to a variety of products; 2) through the setup of Regional Animation Networks (RAN) to federate and animate users (scientists and public / private actors) and 3) through Scientific Expertise Centres (SEC) clustering virtual research groups on a thematic domain. One of this SEC is the "Urbanization and Artificialization” Centre clustering experts in multi-sensor urban remote sensing. THEIA in collaboration with ODATIS (Data and Service for the Ocean), ForM@Ter (Data and Service for the Solid Earth), and AERIS (Data and Service for the Atmosphere) form the "Earth System" Research Infrastructure. The objective of this poster is to present recent (>2016) innovations of the URBAN SEC in terms of (1) development of algorithms useful for urban remote sensing using optical and SAR sensors, (2) validation of the urban products provided by the THEIA Land Service and Data Infrastructure, and (3) demonstration of user-tailored applications for urban studies. The Urban Expert Centre brings together researchers and engineers from several institutes: LIVE - Strasbourg, IGN-LaSTIG - Univ. Paris Est, CESBIO – Toulouse, LETG - Rennes, Irstea – Montpellier, TETIS - Montpellier, INP Bordeaux, IRD, ESPACE-DEV - Montpellier, ESPACE - Nice, ONERA. Research results and methods linked to (1) the detection and mapping of the urban footprint at an annual frequency; (2) the identification of urban fabrics, (3) the mapping of green networks within the cities. In parallel, the group proposes to summarize and identify relevant indicators (parameters) dedicated to urban planning and management. Numéro de notice : C2019-046 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Poster nature-HAL : ComSansActesPubliés-Unpublished DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-02135846 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95429
Titre : Outils méthodologiques pour l'analyse d'images MSG : estimation du mouvement, suivi des masses nuageuses et détection de fronts Type de document : Article/Communication Auteurs : Thomas Corpetti, Auteur ; Vincent Dubreuil, Auteur ; Etienne Mémin, Auteur ; et al., Auteur Année de publication : 2014 Article en page(s) : pp 3 - 17 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] assimilation des données
[Termes IGN] image Météosat
[Termes IGN] modèle dynamique
[Termes IGN] nuage
[Termes IGN] phénomène atmosphérique
[Termes IGN] phénomène météorologique
[Termes IGN] ventRésumé : (Auteur) Cet article présente les travaux que nous avons menés ces dernières années autour de l’analyse d’images Météosat Seconde Génération (MSG). Comparés à la première génération, les données MSG possèdent une résolution spatiale et temporelle plus élevée, autorisant l’accès à un certain nombre d’informations liées aux phénomènes climatiques observés. Cependant, l’étape consistant à remonter à cette information physique à partir des données images s’avère délicate car nous sommes confrontés à des structures soumises à de très fortes déformations, parfois observées en transparence et avec une durée de vie variable. Par conséquent, les outils classiques issus de l’analyse d’images se révèlent souvent limités et il est nécessaire de les adapter à cette spécificité. Nous nous focalisons ici sur trois applications particulières : l’estimation du mouvement, permettant de remonter aux vents atmosphériques, le suivi de masses nuageuses, autorisant par exemple l’analyse de phénomènes convectifs et la détection de fronts, appliquée ici aux brises de mer. Numéro de notice : A2014-546 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.52638/rfpt.2014.11 En ligne : https://doi.org/10.52638/rfpt.2014.11 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74173
in Revue Française de Photogrammétrie et de Télédétection > n° 205 (Janvier 2014) . - pp 3 - 17[article]
