Centre dedocumentation
scientifique

Développement d'un outil de manipulation optimisée de rasters volumineux / Amaury Zarzelli (2018)

Public Titre : Développement d'un outil de manipulation optimisée de rasters volumineux Type de document : Mémoire Auteurs : Amaury Zarzelli, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 41 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de stage de fin d’études, Cycle Ingénieur 3ème année, Master TSI Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] démonstration de faisabilité [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] données maillées [Termes descripteurs IGN] Geospatial data abstraction library [Termes descripteurs IGN] image de drone [Termes descripteurs IGN] implémentation (informatique) [Termes descripteurs IGN] intégration de données [Termes descripteurs IGN] interface de programmation [Termes descripteurs IGN] Python (langage de programmation) Index. décimale : MTSI mémoires de Master Technologies des Systèmes d'Information Résumé : (auteur) La société Airware commercialise une plate-forme de suivi, d’analyse et de gestion, appliquée à deux verticaux : carrières et assurances, en utilisant comme outils le drone et les images aériennes qu’elle acquiert. Airware assure l’ensemble du processus, de l’acquisition des données jusqu’à la publication des résultats d’analyse sur sa plate-forme. Les rasters produits par l’acquisition des données par drone ainsi que les algorithmes de machine learning les traitant sont lourds. Pour manipuler ces rasters, l’un des projets de l’équipe Data Science est la bibliothèque Python open-source Buzzard (basée sur GDAL) qui permet la lecture et l’écriture de fichiers géographiques. L’objectif de mon stage était d’aider au développement de la version suivante de Buzzard permettant une manière bien plus optimisée que les précédentes de manipuler les rasters volumineux, en utilisant notamment de la programmation parallèle. J’ai dans un premier temps développé une preuve de concept, Burito, puis, dans un second temps, j’ai assisté mon maître de stage dans le développement de la version 0.5 de Buzzard qui s’est déroulé en deux parties : une réécriture des fonctionnalités précédentes, qui a été déployée ; puis l’implémentation des spécifications de la preuve de concept, en cours et qui sera déployée prochainement. Note de contenu : Introduction 1- Présentation du besoin 2- Spécifications du projet 3- Burito : une preuve de concept 4- Déploiement de la solution 5- Bilan et perspectives Conclusion Numéro de notice : 21866 Thématique : GEOMATIQUE Nature : Mémoire de fin d'études IT Organisme de stage : Airware Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91443

Documents numériques

peut être téléchargé Développement d'un outil de manipulation ... - pdf auteur Adobe Acrobat PDF

peut être téléchargé Poster - Développement d'un outil... pdf - auteur Adobe Acrobat PDF

SVM et réseaux neuronaux convolutifs pour la classification de scènes urbaines / Amaury Zarzelli (2017) 

Public Titre : SVM et réseaux neuronaux convolutifs pour la classification de scènes urbaines Type de document : Mémoire Auteurs : Amaury Zarzelli, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2017 Importance : 42 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle Ingénieur 2e année Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] carte thématique [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] Ottawa [Termes descripteurs IGN] régression [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] scène urbaine Index. décimale : PROJET Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’accès de plus en plus répandu à des banques de données d’imagerie urbaine telles que StreetView de Google en corrélation avec le progrès des technologies en apprentissage machine facilite le développement de techniques permettant le traitement automatique des caractéristiques physiques du bâti sur de grandes zones urbaines. L’une des applications de ce traitement peut être l’étude sociologique, et notamment la mesure de la gentrification, processus par lequel des classes aisées s’installent dans des quartiers historiquement moins favorisés. En effet, ce phénomène se caractérise souvent par une modification de l’aspect des habitations, qui peut être détectée par un modèle de classification. Ce projet consiste à traiter toutes les étapes de cette classification, du téléchargement de l’imagerie urbaine jusqu’à la cartographie du phénomène étudié et peut être adapté à la qualification de n’importe quel phénomène urbain (accessibilité pour les piétons, structure des bâtiments…). Je me suis en particulier attaché à l’étape de la conception du modèle, en explorant notamment des techniques innovantes basées sur des réseaux de neurones convolutifs et dont les résultats sont prometteurs. Le travail a été effectué sur l’unité urbaine de la ville d’Ottawa au Canada. L’ensemble des travaux réalisés au cours du projet sont accessibles sur le dépôt GitHub suivant : https://github.com/azarz/gentriNet. Note de contenu : INTRODUCTION 1. Gestion de projet 2. Étapes de la classification 3. Résultats obtenus CONCLUSION Numéro de notice : 22806 Thématique : IMAGERIE/INFORMATIQUE/MATHEMATIQUE/URBANISME Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Université d’Ottawa Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88412

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
22806-01	PROJET	Livre	Centre de documentation	Travaux d'élèves	Disponible

Documents numériques

peut être téléchargé SVM et réseaux neuronaux convolutifs Adobe Acrobat PDF