Descripteur
Documents disponibles dans cette catégorie (1373)
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
Statistical Relational Learning of Grammar Rules for 3D Building Reconstruction / Youness Dehbi in Transactions in GIS, vol 21 n° 1 (February 2017)
[article]
Titre : Statistical Relational Learning of Grammar Rules for 3D Building Reconstruction Type de document : Article/Communication Auteurs : Youness Dehbi, Auteur ; Fabian Hadiji, Auteur ; Gerhard Gröger, Auteur ; et al., Auteur Année de publication : 2017 Article en page(s) : pp 134 – 150 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage dirigé
[Termes IGN] arbre de décision
[Termes IGN] modèle sémantique de données
[Termes IGN] reconstruction 3D du bâti
[Termes IGN] restitution lasergrammétrique
[Termes IGN] semis de points
[Termes IGN] traitement d'imageRésumé : (auteur) The automatic interpretation of 3D point clouds for building reconstruction is a challenging task. The interpretation process requires highly structured models representing semantics. Formal grammars can describe structures as well as the parameters of buildings and their parts. We propose a novel approach for the automatic learning of weighted attributed context-free grammar rules for 3D building reconstruction, supporting the laborious manual design of rules. We separate structure from parameter learning. Specific Support Vector Machines (SVMs) are used to generate a weighted context-free grammar and predict structured outputs such as parse trees. The grammar is extended by parameters and constraints, which are learned based on a statistical relational learning method using Markov Logic Networks (MLNs). MLNs enforce the topological and geometric constraints. MLNs address uncertainty explicitly and provide probabilistic inference. They are able to deal with partial observations caused by occlusions. Uncertain projective geometry is used to deal with the uncertainty of the observations. Learning is based on a large building database covering different building styles and façade structures. In particular, a treebank that has been derived from the database is employed for structure learning. Numéro de notice : A2017-163 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12200 En ligne : http://dx.doi.org/10.1111/tgis.12200 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84693
in Transactions in GIS > vol 21 n° 1 (February 2017) . - pp 134 – 150[article]Amélioration de la vitesse et de la qualité d'image du rendu basé image / Rodrigo Ortiz Cayón (2017)
Titre : Amélioration de la vitesse et de la qualité d'image du rendu basé image Type de document : Thèse/HDR Auteurs : Rodrigo Ortiz Cayón, Auteur ; George Drettakis, Directeur de thèse Editeur : Nice : Université Côte d'Azur Année de publication : 2017 Importance : 138 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat en Informatique dans le cadre de l'École doctorale Sciences et technologies de l'information et de la communication (Sophia Antipolis, Alpes-Maritimes)Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] classification bayesienne
[Termes IGN] estimation bayesienne
[Termes IGN] estimation de pose
[Termes IGN] image numérique
[Termes IGN] reconstruction 3D
[Termes IGN] rendu réalisteIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Le rendu photo-réaliste traditionnel exige un effort manuel et des calculs intensifs pour créer des scènes et rendre des images réalistes. C'est principalement pour cette raison que la création de contenus pour l’imagerie numérique de haute qualité a été limitée aux experts et le rendu hautement réaliste nécessite encore des temps de calcul significatifs. Le rendu basé image (IBR) est une alternative qui a le potentiel de rendre les applications de création et de rendu de contenus de haute qualité accessibles aux utilisateurs occasionnels, puisqu'ils peuvent générer des images photo-réalistes de haute qualité sans subir les limitations mentionnées ci-dessus. Nous avons identifié trois limitations importantes des méthodes actuelles de rendu basé image : premièrement, chaque algorithme possède des forces et faiblesses différentes, en fonction de la qualité de la reconstruction 3D et du contenu de la scène, et un seul algorithme ne permet souvent pas d’obtenir la meilleure qualité de rendu partout dans l’image. Deuxièmement, ces algorithmes présentent de forts artefacts lors du rendu d’objets manquants ou partiellement reconstruits. Troisièmement, la plupart des méthodes souffrent encore d'artefacts visuels significatifs dans les régions de l’image où la reconstruction est de faible qualité. Dans l'ensemble, cette thèse propose plusieurs améliorations significatives du rendu basé image aussi bien en termes de vitesse de rendu que de qualité d’image. Ces nouvelles solutions sont basées sur le rendu sélectif, la substitution de modèle basé sur l'apprentissage, et la prédiction et la correction des erreurs de profondeur. Numéro de notice : 21579 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de doctorat : informatique : Université Côte d'Azur : 2017 Organisme de stage : Institut national de recherche en informatique et en automatique nature-HAL : Thèse DOI : sans Date de publication en ligne : 06/06/2017 En ligne : http://www.theses.fr/2017AZUR4004 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90593
Titre : An Introduction to Machine Learning Type de document : Guide/Manuel Auteurs : Miroslav Kubat, Auteur Mention d'édition : 2ème édition Editeur : Springer International Publishing Année de publication : 2017 ISBN/ISSN/EAN : 978-3-319-63913-0 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] algorithme génétique
[Termes IGN] apprentissage non-dirigé
[Termes IGN] apprentissage par renforcement
[Termes IGN] apprentissage profond
[Termes IGN] arbre de décision
[Termes IGN] classificateur
[Termes IGN] classification barycentrique
[Termes IGN] classification bayesienne
[Termes IGN] exploration de données
[Termes IGN] raisonnement inductif
[Termes IGN] réseau neuronal artificiel
[Termes IGN] test de performanceMots-clés libres : Bayesian classifiersboostingcomputational learning theorydecision treesgenetic algorithmslinear and polynomial classifiersnearest neighbor classifierneural networksperformance evaluationreinforcement learningstatistical learningtime-varying classes, imbalanced representationartificial intelligencemachine learningdata miningdeep learningunsupervised learning Résumé : (Auteur) [Introduction] This textbook presents fundamental machine learning concepts in an easy to understand manner by providing practical advice, using straightforward examples, and offering engaging discussions of relevant applications. The main topics include Bayesian classifiers, nearest-neighbor classifiers, linear and polynomial classifiers, decision trees, neural networks, and support vector machines. Later chapters show how to combine these simple tools by way of “boosting,” how to exploit them in more complicated domains, and how to deal with diverse advanced practical issues. One chapter is dedicated to the popular genetic algorithms. This revised edition contains three entirely new chapters on critical topics regarding the pragmatic application of machine learning in industry. The chapters examine multi-label domains, unsupervised learning and its use in deep learning, and logical approaches to induction as well as Inductive Logic Programming. Numerous chapters have been expanded, and the presentation of the material has been enhanced. The book contains many new exercises, numerous solved examples, thought-provoking experiments, and computer assignments for independent work. Numéro de notice : 26276 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Manuel DOI : 10.1007/978-3-319-63913-0 En ligne : https://doi.org/10.1007/978-3-319-63913-0 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94915 Analyse et cartographie des sentiments dans des récits de vie de migrants / Catherine Dominguès (2017)
Titre : Analyse et cartographie des sentiments dans des récits de vie de migrants Type de document : Article/Communication Auteurs : Catherine Dominguès , Auteur ; Serge Weber, Auteur ; Carmen Brando , Auteur ; Laurence Jolivet , Auteur ; Marie-Dominique Van Damme , Auteur Editeur : Paris : HAL Année de publication : 2017 Projets : MATRICIEL / Conférence : SAGEO 2017, Spatial Analysis and GEOmatics 06/11/2017 09/11/2017 Rouen France open access proceedings Importance : 4 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] apprentissage automatique
[Termes IGN] carte thématique
[Termes IGN] immigration
[Termes IGN] récit
[Termes IGN] reconnaissance de caractères
[Termes IGN] sentiment
[Termes IGN] toponymeRésumé : (auteur) Cet article présente le projet MATRICIEL (Projet Exploratoire Premier soutien) subventionné par le CNRS et l'Université Paris-Est. Le projet est fondé sur l'analyse et la cartographie d'un corpus de récits de vie de républicains espagnols ; il s'intéresse à la migration sous l'angle des lieux décrits par les migrants dans les récits de leur vie. Le corpus a été transcrit puis annoté en lieux (noms propres et lieux génériques) et sentiments (polarité) afin de constituer des corpus d'apprentissage et de validation pour la reconnaissance des lieux et des sentiments associés. Des modèles d'apprentissage automatique pour la reconnaissance automatique des noms de lieux génériques ont été entrainés. Les sentiments associés aux lieux seront inférés à partir d'un lexique de sentiments analysé en contexte. La représentation vise une cartographie des informations sensibles liées aux lieux. Numéro de notice : C2017-018 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans En ligne : https://hal.science/SAGEO2017/hal-01649150 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88416
Titre : Artificial neural networks in geospatial analysis Type de document : Chapitre/Contribution Auteurs : Sucharita Gopal, Auteur Editeur : New York, Londres, Hoboken (New Jersey), ... : John Wiley & Sons Année de publication : 2017 Importance : 7 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] apprentissage dirigé
[Termes IGN] apprentissage non-dirigé
[Termes IGN] apprentissage semi-dirigé
[Termes IGN] carte de Kohonen
[Termes IGN] Perceptron multicouche
[Termes IGN] réseau neuronal artificielRésumé : (Auteur) [introduction] Artificial neural networks (ANN) are computational models inspired by and designed to simulate biological nervous systems that are capable of performing specific information-processing tasks such as data classification and pattern recognition. ANN seeks to replicate the massively parallel nature of a biological neural network. A neural network is a system composed of many simple processing nodes whose function is determined by network structure and connection strengths. Numéro de notice : H2017-023 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Chapître / contribution Date de publication en ligne : 23/02/2016 En ligne : https://doi.org/10.1002/9781118786352.wbieg0322 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90378 Assessing the positional planimetric accuracy of DBpedia georeferenced resources / Abdelfettah Feliachi (2017)PermalinkCartographie de l'occupation des sols à partir de séries temporelles d'images satellitaires à hautes résolutions : identification et traitement des données mal étiquetées / Charlotte Pelletier (2017)PermalinkCentimetric absolute localization using Unmanned Aerial Vehicles with airborne photogrammetry and on-board GPS / Mehdi Daakir (2017)PermalinkContributions méthodologiques pour la caractérisation des milieux par imagerie optique et lidar / Nesrine Chehata (2017)PermalinkEtude et méthodes d'intégration et d'interaction de données 3D complexes type "nuages de points" vers un web SIG / Victor Lambert (2017)PermalinkEvaluating data stability in aggregation structures across spatial scales: revisiting the modifiable areal unit problem / Jonathan K. Nelson in Cartography and Geographic Information Science, Vol 44 n° 1 (January 2017)PermalinkPermalinkFusion of multi-temporal Sentinel-2 image series and very-high spatial resolution images for detection of urban areas / Cyril Wendl (2017)PermalinkPermalinkInterconnexion et visualisation de ressources géoréférencées du Web de données à l’aide d’un référentiel topographique de support / Abdelfettah Feliachi (2017)Permalink