Descripteur
Documents disponibles dans cette catégorie (1693)
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 : Convolutional networks with adaptive inference graphs Type de document : Article/Communication Auteurs : Andreas Veit, Auteur ; Serge Belongie, Auteur Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2018 Collection : Lecture notes in Computer Science, ISSN 0302-9743 num. 11205 Conférence : ECCV 2018, 15th European Conference 08/09/2018 14/09/2018 Munich Allemagne Proceedings Springer Importance : pp 3 - 18 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] graphe
[Termes IGN] inférence
[Termes IGN] réseau neuronal convolutifRésumé : (auteur) Do convolutional networks really need a fixed feed-forward structure? What if, after identifying the high-level concept of an image, a network could move directly to a layer that can distinguish fine-grained differences? Currently, a network would first need to execute sometimes hundreds of intermediate layers that specialize in unrelated aspects. Ideally, the more a network already knows about an image, the better it should be at deciding which layer to compute next. In this work, we propose convolutional networks with adaptive inference graphs (ConvNet-AIG) that adaptively define their network topology conditioned on the input image. Following a high-level structure similar to residual networks (ResNets), ConvNet-AIG decides for each input image on the fly which layers are needed. In experiments on ImageNet, we show that ConvNet-AIG learns distinct inference graphs for different categories. Both ConvNet-AIG with 50 and 101 layers outperform their ResNet counterpart, while using 20% and 33% less computations respectively. By grouping parameters into layers for related classes and only executing relevant layers, ConvNet-AIG improves both efficiency and overall classification quality. Lastly, we also study the effect of adaptive inference graphs on the susceptibility towards adversarial examples. We observe that ConvNet-AIG shows a higher robustness than ResNets, complementing other known defense mechanisms. Numéro de notice : C2018-128 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Communication DOI : 10.1007/978-3-030-01246-5_1 En ligne : http://dx.doi.org/10.1007/978-3-030-01246-5_1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100058
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 : Désoccultation de nuages de points en topologie capteur Type de document : Article/Communication Auteurs : Pierre Biasutti , Auteur ; Aurélie Bugeau, Auteur ; Jean-François Aujol, Auteur ; Mathieu Brédif , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 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
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] lidar mobile
[Termes IGN] représentation cartographique 2D
[Termes IGN] segmentation d'image
[Termes IGN] semis de pointsRésumé : (Auteur) Ce travail présente une méthode pour la désoccultation d'objets mobiles dans des scènes 3D LiDAR acquises par un dispositif de cartographie mobile. Ce problème est généralement traité directement dans l'espace 3D. Nous proposons ici une approche alternative qui repose sur une représentation 2D en topologie capteur du nuage de points 3D, ce qui permet de réutiliser de nombreuses approches développées pour le traitement d'images 2D. Le nuage de points 3D, représenté par une image 2D de profondeur, est ensuite segmenté par une méthode basée histogramme afin d'extraire le masque des objets à supprimer. Enfin, une méthode d'inpainting variationnel est utilisée pour supprimer ces objets et estimer la profondeur de la scène derrière eux. Numéro de notice : C2018-092 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=91612 Documents numériques
en open access
Désoccultation de nuages de points... - diaporama de présentationAdobe Acrobat PDF 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 / 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
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 : Estimation a posteriori du vignettage Type de document : Article/Communication Auteurs : Lâmân Lelégard , Auteur ; Manchun Lei , Auteur ; Bruno Vallet , Auteur ; Mathieu Brédif , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 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
[Termes IGN] correction radiométrique
[Termes IGN] fusion d'imagesRésumé : (Auteur) Les images acquises par tout système imageur présentent des distorsions radiométriques plus ou moins importantes se traduisant dans une grande majorité des cas par un assombrissement systématique en bord de champ, aussi appelé vignettage. Ce vignettage pose problème dès lors que l'on cherche à fusionner des images d’une même scène, que ce soit pour la texturation de modèles 3D, le rendu d’images panoramiques ou encore l’élaboration d’orthophotographies. Alors que ce vignettage est d'habitude estimé en laboratoire par une procédure de calibration radiométrique, on propose ici de l’estimer et de le corriger a posteriori, c'est-à-dire en utilisant uniquement des images acquises dans des conditions normales Numéro de notice : C2018-091 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91556 Documents numériques
en open access
Estimation a posteriori du vignettage - diaporama de présentationAdobe Acrobat PDF
Titre : Estimation à la volée du vignettage par ajustement local du gain Type de document : Article/Communication Auteurs : Lâmân Lelégard , Auteur ; Manchun Lei , Auteur ; Bruno Vallet , Auteur ; Mathieu Brédif , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2018 Projets : 1-Pas de projet / Conférence : CFPT 2018, Conférence Française de Photogrammétrie et de Télédétection 25/06/2018 28/06/2018 Champs-sur-Marne France Open Access Proceedings Importance : 3 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] correction radiométrique
[Termes IGN] distorsion d'image
[Termes IGN] estimation statistique
[Termes IGN] image numériqueRésumé : (auteur) Les images acquises par tout système imageur présentent des distorsions radiométriques plus ou moins importantes se traduisant dans une grande majorité des cas par un assombrissement systématique en bord de champ, aussi appelé vignettage. Ce vignettage pose problème dès lors que l'on cherche à fusionner des images d’une même scène, que ce soit pour la texturation de modèles 3D, le rendu d’images panoramiques ou l’élaboration d’orthophotographies. Alors que ce vignettage est d'habitude estimé en laboratoire par une procédure de calibration radiométrique, on propose ici de l’estimer et de le corriger a posteriori, c'est à dire en utilisant uniquement des images acquises dans des conditions normales. Numéro de notice : C2018-007 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE 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=90340 Documents numériques
en open access
Estimation à la volée ... - pdf éditeurAdobe Acrobat PDF Facade repetition detection in a fronto-parallel view with fiducial lines extraction / Hongfei Xiao in Neurocomputing, vol 273 (January 2018)PermalinkFrom Google Maps to a fine-grained catalog of street trees / Steve Branson in ISPRS Journal of photogrammetry and remote sensing, vol 135 (January 2018)PermalinkGéolocalisation précise basée image : une approche de type “seconde itération du processus photogrammétrique” / Truong Giang Nguyen (2018)PermalinkA hybrid training approach for leaf area index estimation via Cubist and random forests machine-learning / Rasmus M. Houborg in ISPRS Journal of photogrammetry and remote sensing, vol 135 (January 2018)PermalinkLearning multiscale deep features for high-resolution satellite image scene classification / Qingshan Liu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)PermalinkLocalisation d'objets urbains à partir de sources multiples dont des images aériennes / Lionel Pibre (2018)PermalinkLocalisation par l'image en milieu urbain : application à la réalité augmentée / Antoine Fond (2018)PermalinkMarkov random field for combined defogging and stereo reconstruction / Laurent Caraffa (2018)PermalinkObject-based superresolution land-cover mapping from remotely sensed imagery / Yuehong Chen in IEEE Transactions on geoscience and remote sensing, vol 56 n° 1 (January 2018)PermalinkPermalink