Descripteur
Documents disponibles dans cette catégorie (1266)
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
Localisation par l'image en milieu urbain : application à la réalité augmentée / Antoine Fond (2018)
Titre : Localisation par l'image en milieu urbain : application à la réalité augmentée Type de document : Thèse/HDR Auteurs : Antoine Fond, Auteur ; Marie-Odile Berger, Directeur de thèse Editeur : Nancy, Metz : Université de Lorraine Année de publication : 2018 Importance : 138 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du doctorat de l'Université de Lorraine, Ecole doctorale IAEM Lorraine, mention Informatique, 2018Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] appariement de formes
[Termes IGN] apprentissage profond
[Termes IGN] bati
[Termes IGN] détection du bâti
[Termes IGN] distance de Manhattan
[Termes IGN] estimation de pose
[Termes IGN] façade
[Termes IGN] orthorectification
[Termes IGN] plus proche voisin, algorithme du
[Termes IGN] point de fuite
[Termes IGN] réalité augmentée
[Termes IGN] recalage d'image
[Termes IGN] recalage de surfaces
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation d'image
[Termes IGN] segmentation sémantique
[Termes IGN] vision par ordinateur
[Termes IGN] zone urbaineIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Dans cette thèse, on aborde le problème de la localisation en milieux urbains. Inférer un positionnement précis en ville est important dans nombre d’applications comme la réalité augmentée ou la robotique mobile. Or les systèmes basés sur des capteurs inertiels (IMU) sont sujets à des dérives importantes et les données GPS peuvent souffrir d’un effet de vallée qui limite leur précision. Une solution naturelle est de s’appuyer le calcul de pose de caméra en vision par ordinateur. On remarque que les bâtiments sont les repères visuels principaux de l’humain, mais aussi des objets d’intérêt pour les applications de réalité augmentée. On cherche donc à partir d’une seule image à calculer la pose de la caméra par rapport à une base de données de bâtiments références connus. On décompose le problème en deux parties : trouver les références visibles dans l’image courante (reconnaissance de lieux) et calculer la pose de la caméra par rapport à eux. Les approches classiques de ces deux sous-problèmes sont mises en difficultés dans les environnements urbains à cause des forts effets perspectives, des répétitions fréquentes et de la similarité visuelle entre façades. Si des approches spécifiques à ces environnements ont été développés qui exploitent la grande régularité structurelle de tels milieux, elles souffrent encore d’un certain nombre de limitations autant pour la détection et la reconnaissance de façades que pour le calcul de pose par recalage de modèle. La méthode originale développée dans cette thèse s’inscrit dans ces approches spécifiques et vise à dépasser ces limitations en terme d’efficacité et de robustesse aux occultations, aux changements de points de vue et d’illumination. Pour cela, l’idée principale est de profiter des progrès récents de l’apprentissage profond par réseaux de neurones convolutionnels pour extraire de l’information de haut-niveau sur laquelle on peut baser des modèles géométriques. Notre approche est donc mixte Bottom-Up/Top-Down et se décompose en trois étapes clés. Nous proposons tout d’abord une méthode d’estimation de la rotation de la pose de caméra. Les 3 points de fuite principaux des images en milieux urbains, dits points de fuite de Manhattan sont détectés grâce à un réseau de neurones convolutionnels (CNN) qui fait à la fois une estimation de ces points de fuite, mais aussi une segmentation de l’image relativement à eux. Une second étape de raffinement utilise ces informations et les segments de l’image dans une formulation bayésienne pour estimer efficacement et plus précisément ces points. L’estimation de la rotation de la caméra permet de rectifier les images et ainsi s’affranchir des effets de perspectives pour la recherche de la translation. Dans une seconde contribution, nous visons ainsi à détecter les façades dans ces images rectifiées et à les reconnaître parmi une base de bâtiments connus afin d’estimer une translation grossière. Dans un souci d’efficacité, on a proposé une série d’indices basés sur des caractéristiques spécifiques aux façades (répétitions, symétrie, sémantique) qui permettent de sélectionner rapidement des candidats façades potentiels. Ensuite, ceux-ci sont classifiés en façade ou non selon un nouveau descripteur CNN contextuel. Enfin la mise en correspondance des façades détectées avec les références est opérée par un recherche au plus proche voisin relativement à une métrique apprise sur ces descripteurs [...] Note de contenu : Introduction
1 - Etat de l'art
2 - Estimation des points de fuite de Manhattan
3 - Proposition de façades pour la détection et la reconnaissance de bâtiments
4 - Segmentation et recalage de façade conjoint
ConclusionNuméro de notice : 21592 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : Informatique : Université de Lorraine : 2018 Organisme de stage : IFSTTAR nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018LORR0028 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90630
Titre : Machine learning - advanced techniques and emerging applications Type de document : Monographie Auteurs : Hamed Farhadi, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2018 Importance : 230 p. Format : 19 x 27 cm ISBN/ISSN/EAN : 9781789237528 9781789237535 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] données massives
[Termes IGN] informatique en nuage
[Termes IGN] processeur graphique
[Termes IGN] statistiquesRésumé : (éditeur) The volume of data that is generated, stored, and communicated across different industrial sections, business units, and scientific research communities has been rapidly expanding. The recent developments in cellular telecommunications and distributed/parallel computation technology have enabled real-time collection and processing of the generated data across different sections. On the one hand, the internet of things (IoT) enabled by cellular telecommunication industry connects various types of sensors that can collect heterogeneous data. On the other hand, the recent advances in computational capabilities such as parallel processing in graphical processing units (GPUs) and distributed processing over cloud computing clusters enabled the processing of a vast amount of data. There has been a vital need to discover important patterns and infer trends from a large volume of data (so-called Big Data) to empower data-driven decision-making processes. Tools and techniques have been developed in machine learning to draw insightful conclusions from available data in a structured and automated fashion. Machine learning algorithms are based on concepts and tools developed in several fields including statistics, artificial intelligence, information theory, cognitive science, and control theory. The recent advances in machine learning have had a broad range of applications in different scientific disciplines. This book covers recent advances of machine learning techniques in a broad range of applications in smart cities, automated industry, and emerging businesses. Note de contenu : 1- Hardware accelerator design for machine learning
2- Regression models to predict air pollution from affordable data collections
3- Multiple kernel-based multimedia fusion for automated event detection from tweets
4- Using sentiment analysis and machine learning algorithms to determine citizens’ perceptions
5- Overcoming challenges in predictive modeling of Laser-plasma interaction scenarios. The sinuous route from advanced machine learning to deep learning
6- Machine learning approaches for spectrum management in cognitive radio networks
7- Machine learning algorithm for wireless indoor localization
8- classification of malaria-infected cells using deep convolutional neuronal networks
9- Machine learning in educational technology
10- Sentiment-based semantic rule learning for improved product recommandations
11- A multilevel evolutionary algorithm applied to the maximum satisfiability problemsNuméro de notice : 25952 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.69783 En ligne : https://doi.org/10.5772/intechopen.69783 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96406
Titre : Machine learning and biometrics Type de document : Monographie Auteurs : Jucheng Yang, Éditeur scientifique ; Dong Sun Park, Éditeur scientifique ; Sook Yoon, Éditeur scientifique ; et al., Auteur Editeur : London [UK] : IntechOpen Année de publication : 2018 Importance : 146 p. Format : 17 x 24 cm ISBN/ISSN/EAN : 978-1-83881-556-1 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] biométrie
[Termes IGN] exploration de données
[Termes IGN] interface homme-machine
[Termes IGN] reconnaissance facialeRésumé : (éditeur) We are entering the era of big data, and machine learning can be used to analyze this deluge of data automatically. Machine learning has been used to solve many interesting and often difficult real-world problems, and the biometrics is one of the leading applications of machine learning. This book introduces some new techniques on biometrics and machine learning, and new proposals of using machine learning techniques for biometrics as well. This book consists of two parts: ""Biometrics"" and ""Machine Learning for Biometrics."" Parts I and II contain four and three chapters, respectively. The book is reviewed by editors: Prof. Jucheng Yang, Prof. Dong Sun Park, Prof. Sook Yoon, Dr. Yarui Chen, and Dr. Chuanlei Zhang. Note de contenu : 1- Introductory chapter: machine learning and biometrics
2- Recognition of eye characteristics
3- A survey on soft biometrics for human identification
4- Face recognition with facial occlusion based on local cycle graph structure operator
5- Electrocardiogram recognization based on variational autoEncoder
6- A survey on methods of image processing and recognition for personal identification
7- A human body mathematical model biometric using golden ratio: A new algorithmNuméro de notice : 28505 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.71297 En ligne : https://doi.org/10.5772/intechopen.71297 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97028 Machine learning and pose estimation for autonomous robot grasping with collaborative robots / Victor Talbot (2018)
Titre : Machine learning and pose estimation for autonomous robot grasping with collaborative robots Type de document : Mémoire Auteurs : Victor Talbot, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2018 Importance : 70 p. Format : 21 x 30 cm Note générale : bibliographie
Mécatronique parcours mécanique pour la robotique, Master Imagerie, Robotique et Ingénierie pour le Vivant, Parcours Automatique RobotiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] C++
[Termes IGN] classification bayesienne
[Termes IGN] classification par réseau neuronal
[Termes IGN] estimation de pose
[Termes IGN] image 3D
[Termes IGN] image RVB
[Termes IGN] Matlab
[Termes IGN] navigation autonome
[Termes IGN] Point Cloud Library PCL
[Termes IGN] Python (langage de programmation)
[Termes IGN] Ransac (algorithme)
[Termes IGN] reconnaissance d'objets
[Termes IGN] robotique
[Termes IGN] semis de points
[Termes IGN] vision par ordinateur
[Termes IGN] zone d'intérêtIndex. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) L'objectif du stage est de déterminer l'emplacement en trois dimensions d'une zone de préhension sur un objet dans le but d'automatiser la prise de cet objet par un robot anthropomorphe. La prise d'image est assurée par une caméra RGB-D prenant un nuage de points colorés en trois dimensions. La caméra est montée sur un second robot, ce qui permet l'exploration visuelle d'un plus grand espace, et ce, sous plusieurs points de vue. La solution proposée utilise Matlab et un réseau neuronal afin de proposer une zone d'intérêt. Le choix du Machine Learning est motivé par l'adaptabilité de l'algorithme. De cette façon, un objet jamais aperçu auparavant peut être attrapé par notre système robotique. Le système retourne la position X, Y et Z dans l'espace ainsi que l'orientation O et la largeur de l'objet D. Le système proposé a obtenu des résultats de 80 % sur des objets non entraînés. Note de contenu : Introduction
1- States of the arts
2- Realization
3- ConclusionNuméro de notice : 24593 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire masters divers Organisme de stage : School of Engineering (Cardiff University) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92164 Documents numériques
en open access
Machine learning and pose estimation... - pdf auteurAdobe Acrobat PDF Modélisation spatio-temporelle multi-niveau à base d'ontologies pour le suivi de la dynamique en imagerie satellitaire / Fethi Ghazouani (2018)
Titre : Modélisation spatio-temporelle multi-niveau à base d'ontologies pour le suivi de la dynamique en imagerie satellitaire Type de document : Thèse/HDR Auteurs : Fethi Ghazouani, Auteur ; Basel Solaiman, Directeur de thèse ; Imed Riadh Farah, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique IMT Atlantique Année de publication : 2018 Autre Editeur : Université Bretagne Loire Importance : 245 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Ecole Nationale des Mines-Télécom Atlantique, Spécialité : Signal, Image, VisionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse des risques
[Termes IGN] découverte de connaissances
[Termes IGN] détection de changement
[Termes IGN] dynamique spatiale
[Termes IGN] image satellite
[Termes IGN] modélisation spatio-temporelle
[Termes IGN] occupation du sol
[Termes IGN] ontologie
[Termes IGN] photo-interprétation
[Termes IGN] raisonnement spatiotemporel
[Termes IGN] représentation du changement
[Termes IGN] segmentation sémantique
[Termes IGN] utilisation du solIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La modélisation de la dynamique des objets spatio-temporels fait partie des sujets de recherche pour le suivi et l’interprétation des changements affectant le globe terrestre. Pour cela, l’exploitation des images satellitaires se présente comme un moyen efficace qui aide à l’étude la dynamique des phénomènes spatio-temporels qui peuvent se produire sur la surface de la Terre notamment l’urbanisation, la déforestation, l’inondation, la désertification, etc. Ces données fournissent des informations multi-spectrales, multi-capteurs, multi-temporelles et multi-résolutions permettant une bonne classification de la couverture du sol. La modélisation et l’interprétation de la dynamique de changement de ces données permettent l’extraction des connaissances importantes qui seront utilisées pour l’aménagement territoire et comme un support pour promouvoir la bonne gestion de l’occupation/l’utilisation des sols et pour souligner des politiques de prise de décisions pour protéger la surface de la Terre contre divers risques et catastrophes naturelles. Divers modèles et approches ont été proposés pour modéliser les évolutions des objets spatio-temporels. Toutes fois, chaque modèle présente une capacité limitée pour capturer l’évolution des différentes caractéristiques de l’environnement, en plus la structure de représentation utilisée par chaque modèle ne permet pas de saisir complètement la sémantique de l’évolution d’un objet spatio-temporel. C’est dans ce cadre que se situent les travaux de notre thèse qui s’intéresse à la modélisation de la dynamique des objets spatio-temporels pour l’interprétation des changements en imagerie satellitaire. Ainsi, deux principaux défis sont à lever dans cette thèse : le premier concerne la modélisation de la dynamique des objets et des phénomènes spatio-temporels. Cela revient à trouver le modèle adéquat permettant de représenter les différents concepts. Le deuxième défi concerne l’interprétation sémantique d’images satellites pour l’interprétation des changements en imagerie satellitaire. Cela pose les questions suivantes : comment extraire les connaissances d’une scène d’images ? Et quelle est la meilleure stratégie à suivre pour interpréter les changements ? Dans ce travail, nous proposons une architecture ontologiques multi-niveaux pour la représentation et la modélisation des objets et des processus spatio-temporels dynamiques. L’approche proposée consiste à utiliser différents niveaux d’ontologies : une ontologie de domaine de télédétection permettant de représenter les concepts du domaine et leurs relations, une ontologie de processus modélisant les phénomènes dynamiques et une ontologie de haut niveau utilisée pour distinguer les concepts statiques et dynamiques. Nous proposons également, une nouvelle stratégie d’interprétation sémantiques de scènes d’images satellites pour l’interprétation de changements. L’approche proposée permet la description sémantique du contenu de scènes d’images à travers un mécanisme de raisonnement inférentiel tout en se guidant par les connaissances a priori et contextuelles formulées dans l’ontologie. Une spécificité de cette approche est qu’elle permet l’extraction des connaissances dans différents niveaux d’abstraction de l’image, c’est-àdire, à partir du niveau perceptuel (niveau bas) de l’image jusqu’au niveau sémantique plus élevé (niveau de changement). Le cadre applicatif concerne l’interprétation sémantique d’une scène d’images satellites pour l’interprétation des phénomènes de changements, tels que l’urbanisation et la déforestation. Le résultat obtenu est une carte de changements qui pourra guider une meilleure gestion de l’utilisation/couverture des sols. Note de contenu : Introduction générale
I- Etat de l'art
1- Détection et suivi de changements des objets spatio-temporels en imagerie satellitaire
2- Modélisation de la dynamique des objets
spatio-temporels
II- Contributions
3- Modélisation de la dynamique spatio-temporelle à base des ontologies en imagerie satellitaire
4- Une nouvelle stratégie pour l’interprétation Sémantique de changements en imagerie satellitaire
5- Expérimentation et évaluation de la méthodologie proposée
Conclusion Générale et PerspectivesNuméro de notice : 25950 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Spécialité : Signal, Image, Vision : Rennes : 2018 nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2018IMTA0122 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96317 Multi-agents systems for cartographic generalization: Feedback from past and on-going research / Cécile Duchêne (2018)PermalinkOn the production of semantic and textured 3D meshes of large scale urban environments from mobile mapping images and LIDAR scans / Mohamed Boussaha (2018)PermalinkRéseaux de neurones convolutionnels profonds pour la détection de petits véhicules en imagerie aérienne / Jean Ogier du Terrail (2018)PermalinkPermalinkPermalinkSpatial big data and machine learning in GIScience, Workshop at GIScience 2018, Melbourne, Australia, 28 August 2018 / Martin Raubal (2018)PermalinkSpatio-temporal grid mining applied to image classification and cellular automata analysis / Romain Deville (2018)PermalinkSuperpixel partitioning of very high resolution satellite images for large-scale classification perspectives with deep convolutional neural networks / Tristan Postadjian (2018)PermalinkSuperPoint Graph : segmentation sémantique de nuages de points LiDAR à grande échelle / Loïc Landrieu (2018)PermalinkPermalink