Détail de l'auteur
Auteur Luc Baudoux
Commentaire :
Doctorant au LaSTIG, équipe STRUDEL d'octobre 2019 à octobre 2022, projet MAESTRIA
Autorités liées :
autre URL :
ORCID :
DBLP URL :
|
Documents disponibles écrits par cet auteur (4)



Toward a yearly country-scale CORINE land-cover map without using images: A map translation approach / Luc Baudoux in Remote sensing, Vol 13 n° 6 (March 2021)
![]()
[article]
Titre : Toward a yearly country-scale CORINE land-cover map without using images: A map translation approach Type de document : Article/Communication Auteurs : Luc Baudoux , Auteur ; Jordi Inglada, Auteur ; Clément Mallet
, Auteur
Année de publication : 2021 Projets : AI4GEO / , MAESTRIA / Mallet, Clément Article en page(s) : n° 1060 - 32 p. Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] appariement sémantique
[Termes IGN] apprentissage dirigé
[Termes IGN] carte d'occupation du sol
[Termes IGN] changement d'occupation du sol
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] Corine Land Cover
[Termes IGN] détection de changement
[Termes IGN] image à haute résolution
[Termes IGN] inférence
[Termes IGN] mise à jour automatique
[Termes IGN] mise à jour de base de donnéesRésumé : (Auteur) CORINE Land-Cover (CLC) and its by-products are considered as a reference baseline for land-cover mapping over Europe and subsequent applications. CLC is currently tediously produced each six years from both the visual interpretation and the automatic analysis of a large amount of remote sensing images. Observing that various European countries regularly produce in parallel their own land-cover country-scaled maps with their own specifications, we propose to directly infer CORINE Land-Cover from an existing map, therefore steadily decreasing the updating time-frame. No additional remote sensing image is required. In this paper, we focus more specifically on translating a country-scale remote sensed map, OSO (France), into CORINE Land Cover, in a supervised way. OSO and CLC not only differ in nomenclature but also in spatial resolution. We jointly harmonize both dimensions using a contextual and asymmetrical Convolution Neural Network with positional encoding. We show for various use cases that our method achieves a superior performance than the traditional semantic-based translation approach, achieving an 81% accuracy over all of France, close to the targeted 85% accuracy of CLC. Numéro de notice : A2021-244 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs13061060 Date de publication en ligne : 11/03/2021 En ligne : https://dx.doi.org/10.3390/rs13061060 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97311
in Remote sensing > Vol 13 n° 6 (March 2021) . - n° 1060 - 32 p.[article]
Titre : Contextual land-cover map translation with semantic segmentation Type de document : Article/Communication Auteurs : Luc Baudoux , Auteur ; Jordi Inglada, Auteur ; Clément Mallet
, Auteur
Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2021 Projets : 2-Pas d'info accessible - article non ouvert / Mallet, Clément Conférence : IGARSS 2021, IEEE International Geoscience And Remote Sensing Symposium 11/07/2021 16/07/2021 Bruxelles Belgique Proceedings IEEE Importance : pp 2488 - 2491 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] base de données d'occupation du sol
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] Corine Land Cover
[Termes IGN] France (administrative)
[Termes IGN] segmentation sémantique
[Termes IGN] transformation géométrique
[Termes IGN] translationRésumé : (auteur) This paper presents a framework for translating a land-cover map into another one in a supervised way. This links to numerous applications (updating, completion, etc.). Conversely to existing approaches, we jointly perform spatial and semantic transformation without any prior knowledge. The proposed method assumes that: i) examples of the source and target maps already exist, ii) the spatial resolution of the source map is equal or higher than the target one. The translation is performed using an asymmetric Convolutional Neural Network with positional encoding. Experimental results show the effectiveness of the method in retrieving a yearly version of Corine Land Cover (CLC) at country-scale (France) using an existing high-resolution map and with similar accuracy than existing CLC maps (~80%). Numéro de notice : C2021-049 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/IGARSS47720.2021.9553693 Date de publication en ligne : 12/10/2021 En ligne : https://doi.org/10.1109/IGARSS47720.2021.9553693 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99414
Titre : Application des algorithmes de Deep learning pour les images SAR Type de document : Mémoire Auteurs : Luc Baudoux , Auteur
Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2019 Importance : 73 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de fin d'étude, cycle des Ingénieurs diplômés de l’ENSG 3ème annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] apprentissage profond
[Termes IGN] chatoiement
[Termes IGN] filtrage du bruit
[Termes IGN] image radar moirée
[Termes IGN] Perceptron multicouche
[Termes IGN] réseau neuronal profondIndex. décimale : IGAST Mémoires du Master Information Géographique, Analyse Spatiale et Télédétection Résumé : (auteur) Les images radar sont parasitées par un phénomène physique appelé speckle leur conférant un fort effet « poivre et sel ». L’essor des techniques d’apprentissage profond ces dernières années a permis la conception de plusieurs techniques de débruitage. Celles-ci se différencient des méthodes traditionnelles par la capacité d’apprendre le modèle de débruitage implicitement depuis les données radar sans avoir recours à un modèle explicite défini par le concepteur. Le présent rapport de stage porte sur l’étude comparative des principales méthodes proposées à ce jour tant entre elles qu’avec des techniques de débruitage traditionnelles. L’objectif est ici de réaliser l’étude la plus objective possible sur les forces et faiblesses de ces méthodes. Il s’agit également
d’étudier l’influence des différents paramètres et de proposer de nouveaux réseaux de neurones afin d’améliorer les résultats actuellement disponibles. Nous montrons dans ce rapport que des réseaux de neurones simples réalisent un bon compromis entre lissage
des zones homogènes et préservations des détails. De surcroit, nous montrons que les forces et faiblesses des réseaux de neurones dépendent fortement du type d’apprentissage réalisé. Ainsi, les réseaux, traditionnellement entraînés de manière supervisée sur des simulations de speckle, tendent à mal se transposer au speckle réel. Les réseaux entraînés uniquement sur du speckle réel offrent, quant à eux, de meilleurs résultats. Il faut néanmoins faire attention à la capacité de généralisation, car ces réseaux souffrent d’une légère baisse de qualité de leurs résultats sur des zones dont les textures ou radiométries n’étaient pas présentes dans le jeu d’entraînement. La comparaison avec les méthodes traditionnelles révèle une meilleure préservation des détails au détriment d’un moins fort lissage des zones homogènes. Il convient donc de choisir entre ces méthodes en fonction de l’usage souhaité par la suite pour le traitement de la donnée radar.Note de contenu : 1- Contextualisation
2- Méthodologie
3- RésultatsNuméro de notice : 25430 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : Centre national d’études spatiales Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93899 Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 25430-01 IGAST Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
Application des algorithmesAdobe Acrobat PDFConception d’une méthode radar de suivi bimensuel des déforestations et d’une méthode optique de classification d’occupation des sols / Luc Baudoux (2018)
![]()
Titre : Conception d’une méthode radar de suivi bimensuel des déforestations et d’une méthode optique de classification d’occupation des sols Type de document : Mémoire Auteurs : Luc Baudoux , Auteur
Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 54 p. Format : 21 x 30 cm Note générale : bibliographie
Rapport de projet pluridisciplinaire, cycle Ingénieur 2e annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification dirigée
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] classification pixellaire
[Termes IGN] déboisement
[Termes IGN] enjeu
[Termes IGN] Guyane (département français)
[Termes IGN] image Radarsat
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] masque
[Termes IGN] restauration d'image
[Termes IGN] segmentation d'image
[Termes IGN] surface cultivée
[Termes IGN] surveillance forestièreIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (auteur) Dans le cadre de ses missions d’aménagement et de surveillance du territoire, la Direction de l’alimentation, de l’agriculture et de la forêt de Guyane a besoin d’un produit cartographique fiable et régulièrement actualisé. Pour répondre à ce besoin est venue l’idée d’utiliser des techniques de télédétection au sein du service afin de compléter la méthode actuelle basée sur la photo-interprétation. Dans ce contexte, mon stage a eu avec pour objectif principal de développer une méthode de suivi bimensuel des déforestations et pour objectif secondaire de proposer une technique de classification d’occupation des sols. Il fallait également former les agents du service aux concepts sous-jacents ainsi qu’à l’utilisation des scripts développés. L‘étude des déforestations vise à permettre la détection de zones déforestées supérieures à un hectare avec un retard de l’ordre des 15 jours. En raison de la nébulosité quasi permanente en Guyane, j’ai proposé l’utilisation de la technologie satellitaire radar SAR Sentinel 1 capable d’observer le sol même à travers un épais couvert nuageux. Les résultats obtenus sur une zone d’étude de 1300 km2 atteignent un taux de détection de 100% sur l’année 2017 pour les surfaces supérieures à 1 hectare. Le retard estimé de détection est, quant à lui, conforme aux 15 jours escomptés. La classification d’occupation des sols a pour objectif la réalisation d’une cartographie annuelle d’occupation des sols distinguant le cultivé du non cultivé. La solution proposée dans ce rapport repose sur une classification supervisée à partir d’imagerie satellitaire Sentinel 2. Les résultats obtenus parviennent à une première distinction entre le cultivé et le non cultivé, mais la méthode devra être améliorée afin de permettre le traitement automatisé de multiples images et d’augmenter le nombre de classes. Note de contenu : Introduction
1- Contextualisation
2- Méthodologies
3- Analyse des résultats
ConclusionNuméro de notice : 21827 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Direction de l’alimentation, de l’agriculture et de la forêt de Guyane Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91319 Documents numériques
peut être téléchargé
Conception d’une méthode radar... - pdf auteurAdobe Acrobat PDF