Descripteur
Documents disponibles dans cette catégorie (401)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Supervized segmentation with graph-structured deep metric learning Type de document : Article/Communication Auteurs : Loïc Landrieu , Auteur ; Mohamed Boussaha , Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2019 Projets : 1-Pas de projet / Conférence : ICML 2019, Workshop on Learning and Reasoning with Graph-Structured Representations in International Conference on Machine Learning 15/06/2019 15/06/2019 Long Beach Californie - Etats-Unis Open Access Proceedings Importance : 15 p. Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] graphe
[Termes IGN] segmentation
[Termes IGN] semis de pointsRésumé : (auteur) We present a fully-supervized method for learning to segment data structured by an adjacency graph. We introduce the graph-structured contrastive loss, a loss function structured by a ground truth segmentation. It promotes learning vertex embeddings which are homogeneous within desired segments, and have high contrast at their interface. Thus, computing a piecewise-constant approximation of such embeddings produces a graph-partition close to the objective segmentation. This loss is fully backpropagable, which allows us to learn vertex embeddings with deep learning algorithms. We evaluate our methods on a 3D point cloud oversegmentation task, defining a new state-of-the-art by a large margin. These results are based on the published work of Landrieu and Boussaha 2019. Numéro de notice : C2019-050 Affiliation des auteurs : LASTIG MATIS (2012-2019) Autre URL associée : vers ArXiv Nature : Poster nature-HAL : Poster-avec-CL DOI : 10.48550/arXiv.1905.04014 Date de publication en ligne : 19/05/2019 En ligne : https://graphreason.github.io/papers/4.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92819 Do semantic parts emerge in convolutional neural networks? / Abel Gonzalez-Garcia in International journal of computer vision, vol 126 n° 5 (May 2018)
[article]
Titre : Do semantic parts emerge in convolutional neural networks? Type de document : Article/Communication Auteurs : Abel Gonzalez-Garcia, Auteur ; Davide Modolo, Auteur ; Vittorio Ferrari, Auteur Année de publication : 2018 Article en page(s) : pp 476 - 494 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] reconnaissance d'objets
[Termes IGN] rectangle englobant minimum
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation sémantiqueRésumé : (Auteur) Semantic object parts can be useful for several visual recognition tasks. Lately, these tasks have been addressed using Convolutional Neural Networks (CNN), achieving outstanding results. In this work we study whether CNNs learn semantic parts in their internal representation. We investigate the responses of convolutional filters and try to associate their stimuli with semantic parts. We perform two extensive quantitative analyses. First, we use ground-truth part bounding-boxes from the PASCAL-Part dataset to determine how many of those semantic parts emerge in the CNN. We explore this emergence for different layers, network depths, and supervision levels. Second, we collect human judgements in order to study what fraction of all filters systematically fire on any semantic part, even if not annotated in PASCAL-Part. Moreover, we explore several connections between discriminative power and semantics. We find out which are the most discriminative filters for object recognition, and analyze whether they respond to semantic parts or to other image patches. We also investigate the other direction: we determine which semantic parts are the most discriminative and whether they correspond to those parts emerging in the network. This enables to gain an even deeper understanding of the role of semantic parts in the network. Numéro de notice : A2018-408 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11263-017-1048-0 Date de publication en ligne : 17/10/2017 En ligne : https://doi.org/10.1007/s11263-017-1048-0 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90882
in International journal of computer vision > vol 126 n° 5 (May 2018) . - pp 476 - 494[article]Désambiguïsation des entités spatiales par apprentissage actif / Amal Chihaoui in Revue internationale de géomatique, vol 28 n° 2 (avril - juin 2018)
[article]
Titre : Désambiguïsation des entités spatiales par apprentissage actif Type de document : Article/Communication Auteurs : Amal Chihaoui, Auteur ; Asma Bouhafs, Auteur ; Mathieu Roche, Auteur ; Maguelonne Teisseire, Auteur Année de publication : 2018 Article en page(s) : pp 163 - 189 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage dirigé
[Termes IGN] corpus
[Termes IGN] échantillonnage
[Termes IGN] extraction automatique
[Termes IGN] incertitude d'attribut
[Termes IGN] toponyme
[Termes IGN] traitement du langage naturelRésumé : (Auteur) L’extraction de connaissances spatiales à partir de documents textuels peut être une tâche difficile du fait de l’ambiguïté propre au langage naturel. L'indisponibilité de gros volumes de données étiquetées rend difficile la mise-en-œuvre d’un processus de découverte automatique. Dans ce contexte, nous abordons le problème de la désambiguïsation des entités spatiales, entre " localisation" et "organisation" par apprentissage actif. D’abord, nous introduisons une méthode de résolution des toponymes basée sur une analyse lexicale et contextuelle. Ensuite, nous proposons une amélioration en intégrant un modèle d’apprentissage actif. Celui-ci permet de sélectionner automatiquement les données non étiquetées les plus informatives pour la notation humaine. Les expérimentations sont réalisées sur un corpus de "SemEval-2007" en anglais et soulignent l’amélioration du modèle d’apprentissage initial avec un étiquetage réduit. Numéro de notice : A2018-254 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/TOPONYMIE Nature : Article DOI : 10.3166/rig.2018.00053 Date de publication en ligne : 03/08/2018 En ligne : https://doi.org/10.3166/rig.2018.00053 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90315
in Revue internationale de géomatique > vol 28 n° 2 (avril - juin 2018) . - pp 163 - 189[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 047-2018021 SL Revue Centre de documentation Revues en salle Disponible
Titre : Artificial intelligence and the Internet of things Type de document : Monographie Auteurs : Mercedes Bunz, Auteur ; Laima Janciute, Auteur Editeur : Londres [Royaume-Uni] : University of Westminster Press Année de publication : 2018 Collection : CAMRI Policy Briefs num. 2 Importance : 31 p. ISBN/ISSN/EAN : 978-1-911534-82-2 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] aide à la décision
[Termes IGN] cyberinfrastructure
[Termes IGN] éthique
[Termes IGN] Infrastructure de données
[Termes IGN] internet des objets
[Termes IGN] politique publique
[Termes IGN] traitement automatique de données
[Termes IGN] traitement du langage naturelRésumé : (éditeur) "Through algorithms and artificial intelligence (AI), objects and digital services now demonstrate new skills they did not have before, right up to replacing human activity through pre-programming or by making their own decisions. As part of the internet of things, AI applications are already widely used today, for example in language processing, image recognition and the tracking and processing of data. This policy brief illustrates the potential negative and positive impacts of AI and reviews related policy strategies adopted by the UK, US, EU, as well as Canada and China. Based on an ethical approach that considers the role of AI from a democratic perspective and considering the public interest, the authors make policy recommendations that help to strengthen the positive impact of AI and to mitigate its negative consequences." Note de contenu : 1- What's the issue?
2- Research evidence
3- Review of policy options
4- Policy recommandationsNuméro de notice : 25993 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/SOCIETE NUMERIQUE Nature : Monographie DOI : 10.16997/book25 En ligne : https://www.uwestminsterpress.co.uk/site/books/m/10.16997/book25 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96769 Cut-Pursuit algorithm for regularizing nonsmooth functionals with graph total variation / Hugo Raguet (2018)
Titre : Cut-Pursuit algorithm for regularizing nonsmooth functionals with graph total variation Type de document : Article/Communication Auteurs : Hugo Raguet, Auteur ; Loïc Landrieu , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : HYEP / Weber, Christiane Conférence : ICML 2018, 35th International Conference on Machine Learning 10/07/2018 15/07/2018 Stockholm Suède Open Access Proceedings Importance : 10 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] algorithme Cut Pursuit
[Termes IGN] graphe
[Termes IGN] régularisationRésumé : (auteur) We present an extension of the cut-pursuit algorithm, introduced by Landrieu & Obozinski (2017), to the graph total-variation regularization of functions with a separable non differentiable part. We propose a modified algorithmic scheme as well as adapted proofs of convergence. We also present a heuristic approach for handling the cases in which the values associated to each vertex of the graph are multidimensional. The performance of our algorithm, which we demonstrate on difficult, ill-conditioned large-scale inverse and learning problems, is such that it may in practice extend the scope of application of the total-variation regularization. Numéro de notice : C2018-020 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : INFORMATIQUE/MATHEMATIQUE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans En ligne : http://proceedings.mlr.press/v80/raguet18a/raguet18a.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90482 Documents numériques
en open access
Cut-Pursuit algorithm for ... - pdf éditeurAdobe Acrobat PDF Deep learning based vehicular mobility models for intelligent transportation systems / Jian Zhang (2018)PermalinkPermalinkPermalinkPermalinkMachine learning and pose estimation for autonomous robot grasping with collaborative robots / Victor Talbot (2018)PermalinkRéseaux de neurones convolutionnels profonds pour la détection de petits véhicules en imagerie aérienne / Jean Ogier du Terrail (2018)PermalinkPermalinkPermalinkConstrained clustering by constraint programming / Thi-Bich-Hanh Dao in Artificial intelligence, vol 244 (March 2017)PermalinkPermalink