Centre dedocumentation
scientifique

Improving image description with auxiliary modality for visual localization in challenging conditions / Nathan Piasco in International journal of computer vision, vol 29 n° 1 (January 2021)  

Public [article]  inInternational journal of computer vision > vol 29 n° 1 (January 2021) . - pp 185 - 202 Titre : Improving image description with auxiliary modality for visual localization in challenging conditions Type de document : Article/Communication Auteurs : Nathan Piasco , Auteur ; Désiré Sidibé, Auteur ; Valérie Gouet-Brunet , Auteur ; Cédric Demonceaux, Auteur Année de publication : 2021 Projets : PLaTINUM / Gouet-Brunet, Valérie Article en page(s) : pp 185 - 202 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] descripteur [Termes IGN] localisation basée image [Termes IGN] localisation basée vision Résumé : (auteur) Image indexing for lifelong localization is a key component for a large panel of applications, including robot navigation, autonomous driving or cultural heritage valorization. The principal difficulty in long-term localization arises from the dynamic changes that affect outdoor environments. In this work, we propose a new approach for outdoor large scale image-based localization that can deal with challenging scenarios like cross-season, cross-weather and day/night localization. The key component of our method is a new learned global image descriptor, that can effectively benefit from scene geometry information during training. At test time, our system is capable of inferring the depth map related to the query image and use it to increase localization accuracy. We show through extensive evaluation that our method can improve localization performances, especially in challenging scenarios when the visual appearance of the scene has changed. Our method is able to leverage both visual and geometric clues from monocular images to create discriminative descriptors for cross-season localization and effective matching of images acquired at different time periods. Our method can also use weakly annotated data to localize night images across a reference dataset of daytime images. Finally we extended our method to reflectance modality and we compare multi-modal descriptors respectively based on geometry, material reflectance and a combination of both. Numéro de notice : A2021-132 Affiliation des auteurs : LaSTIG MATIS+Ext (2012-2019) Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s11263-020-01363-6 date de publication en ligne : 28/08/2020 En ligne : https://doi.org/10.1007/s11263-020-01363-6 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96971 [article]

Semantic relatedness algorithm for keyword sets of geographic metadata / Zugang Chen in Cartography and Geographic Information Science, vol 47 n° 2 (February 2020)  

Public [article]  inCartography and Geographic Information Science > vol 47 n° 2 (February 2020) . - pp 125 - 140 Titre : Semantic relatedness algorithm for keyword sets of geographic metadata Type de document : Article/Communication Auteurs : Zugang Chen, Auteur ; Yaping Yang, Auteur Année de publication : 2020 Article en page(s) : pp 125 - 140 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] descripteur [Termes IGN] Infrastructure de données [Termes IGN] internet interactif [Termes IGN] métadonnées géographiques [Termes IGN] relation sémantique [Termes IGN] similitude sémantique [Termes IGN] système à base de connaissances [Termes IGN] terminologie [Termes IGN] thesaurus Résumé : (auteur) Advances in linked geospatial data, recommender systems, and geographic information retrieval have led to urgent necessity to assess the overall semantic relatedness between keyword sets of geographic metadata. In this study, a new model is proposed for computing the semantic relatedness between arbitrary two keyword sets of geographic metadata stored in current global spatial data infrastructures. In this model, the overall semantic relatedness is derived by pairing these keywords that are found to be most relevant to each other and averaging their relatedness. To find the most relevant keywords across two keyword sets precisely, the keywords in the keyword set of geographic metadata are divided into three kinds: the thesaurus elements, the WordNet elements, and the statistical elements. The thesaurus-lexical relatedness measure (TLRM), the extended thesaurus-lexical relatedness measure (ETLRM), and the Longest Common Substring method are proposed to compute the semantic relatedness between two thesaurus elements, two WordNet elements, a thesaurus element, and a WordNet element and two statistical elements, respectively. A human data set – the geographic-metadata’s keyword set relatedness dataset, which was used to evaluate the precision of the semantic relatedness measures of keyword sets of geographic metadata, was created. The proposed method was evaluated against the human-generated relatedness judgments and was compared with the Jaccard method and Vector Space Model. The results demonstrated that the proposed method achieved a high correlation with human judgments and outperformed the existing methods. Finally, the proposed method was applied to quantitatively linked geospatial data. Numéro de notice : A2020-057 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2019.1647797 date de publication en ligne : 20/09/2017 En ligne : https://doi.org/10.1080/15230406.2019.1647797 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94573 [article]

Analyse, structuration et sémantisation des images aériennes [diaporama] / Valérie Gouet-Brunet (2020) 

Public Titre : Analyse, structuration et sémantisation des images aériennes [diaporama] Type de document : Article/Communication Auteurs : Valérie Gouet-Brunet , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2020 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : Séminaire de recherche IGN 2020, De l’acquisition à la valorisation des big geodata du passé 24/02/2020 24/02/2020 Saint-Mandé France Projets : HIATUS / Giordano, Sébastien Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse d'image orientée objet [Termes IGN] étiquetage sémantique [Termes IGN] géoréférencement indirect [Termes IGN] image aérienne [Termes IGN] image multitemporelle [Termes IGN] indexation documentaire [Termes IGN] indexation sémantique [Termes IGN] indexation spatiale [Termes IGN] segmentation sémantique Résumé : (auteur) Les images aériennes, qu'elles soient verticales ou obliques, apportent un point de vue unique sur notre territoire et son évolution. Les fonds disponibles, numériques ou numérisés, sont de tailles variables entre centaines et millions d’éléments acquis à des périodes différentes, ils sont disséminés au sein de différentes institutions (archives, musées, agences cartographiques, blogs, etc.) et sont généralement répertoriés essentiellement par des métadonnées de qualité variable. Dans ce contexte, nous présenterons deux projets de recherche ANR portés par l'IGN, qui ont pour objectif commun d'apporter une structure spatio-temporelle à ces collections : le projet ALEGORIA se focalise sur l'indexation multimodale et la visualisation des collections institutionnelles iconographiques peu structurées, pour leur structuration, interconnexion et restitution auprès de chercheurs, experts ou utilisateurs en SHS ; le projet HIATUS se concentre quant à lui sur les campagnes de relevés aériens multidate, avec pour objectif la mise en oeuvre d'outils photogrammétriques dédiés à leur géoréférencement précis et à l'extraction d'informations sémantiques sur les états et les évolutions pour des cas d'usage d'utilisation de l'occupation des sols. Numéro de notice : C2020-027 Affiliation des auteurs : UGE-LaSTIG (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97802

Documents numériques

peut être téléchargé Analyse, structuration et sémantisation des images aériennes - pdf auteur Adobe Acrobat PDF

Cross-year multi-modal image retrieval using siamese networks / Margarita Khokhlova (2020)  

Public Titre : Cross-year multi-modal image retrieval using siamese networks Type de document : Article/Communication Auteurs : Margarita Khokhlova, Auteur ; Valérie Gouet-Brunet , Auteur ; Nathalie Abadie , Auteur ; Liming Chen, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : ICIP 2020, 27th IEEE International Conference on Image Processing 25/10/2020 28/10/2020 Abou Dhabi Emirats Arabes Unis Proceedings IEEE Importance : pp 2361 - 2365 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] descripteur [Termes IGN] recherche d'image basée sur le contenu [Termes IGN] réseau neuronal siamois [Termes IGN] segmentation sémantique Résumé : (auteur) This paper introduces a multi-modal network that learns to retrieve by content vertical aerial images of French urban and rural territories taken about 15 years apart. This means it should be invariant against a big range of changes as the (nat-ural) landscape evolves over time. It leverages the original images and semantically segmented and labeled regions. The core of the method is a Siamese network that learns to extract features from corresponding image pairs across time. These descriptors are discriminative enough, such that a simple kNN classifier on top, suffices as final geo-matching criteria. The method outperformed SOTA "off-the-shelf" image descrip-tors GEM and ResNet50 on the new aerial images dataset. Numéro de notice : C2020-015 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP40778.2020.9190662 date de publication en ligne : 01/10/2020 En ligne : https://doi.org/10.1109/ICIP40778.2020.9190662 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95684

Voir aussi

• Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois / Margarita Khokhlova (2020)    

SUMAC'20 : Proceedings of the 2nd Workshop on Structuring and Understanding of Multimedia heritAge Contents / Valérie Gouet-Brunet (2020)  

Public Titre : SUMAC'20 : Proceedings of the 2nd Workshop on Structuring and Understanding of Multimedia heritAge Contents Type de document : Actes de congrès Auteurs : Valérie Gouet-Brunet , Auteur ; Margarita Khokhlova, Auteur ; Ronak Kosti, Auteur ; Liming Chen, Auteur ; Xu-Chen Yin, Auteur Editeur : New York [Etats-Unis] : Association for computing machinery ACM Année de publication : 2020 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : SUMAC 2020, 2nd workshop on Structuring and Understanding of Multimedia heritAge Contents 12/10/2020 12/10/2020 en ligne Etats-Unis Proceedings ACM ISBN/ISSN/EAN : 978-1-4503-8155-0 Langues : Anglais (eng) Descripteur : [Termes IGN] conservation du patrimoine [Termes IGN] descripteur [Termes IGN] données massives [Termes IGN] multimedia [Termes IGN] numérisation de photographie [Termes IGN] recherche d'image basée sur le contenu Résumé : (auteur) It is our great pleasure to welcome you to SUMAC 2020, the 2nd edition of the ACM workshop on Structuring and Understanding of Multimedia heritAge Contents. The digitization of large quantities of analogue data and the massive production of born-digital documents for many years now provide us with large volumes of varied multimedia data (images, maps, text, video, multi-sensor data, etc.), an important feature of which is that they are cross-domain. "Cross-domain" reflects the fact that these data may have been acquired in very different conditions: different acquisition systems, times and points of view (e.g. a 1962 postcard from the Arc de Triomphe vs. a recent street-view acquisition by mobile mapping of the same monument). These data represent an extremely rich heritage that can be exploited in a wide variety of fields, from SSH to land use and territorial policies, including smart city, urban planning, tourism, creative media and entertainment. In terms of research in computer science, they address challenging problems related to the diversity and volume of the media across time, the variety of content descriptors (potentially including the time dimension), the veracity of the data, and the different user needs with respect to engaging with this rich material and the extraction of value out of the data. These challenges are reflected in research topics such as multimodal and mixed media search, automatic content analysis, multimedia linking and recommendation, and big data analysis and visualization, where scientific bottlenecks may be exacerbated by the time dimension, which also provides topics of interest such as multimodal time series analysis. Numéro de notice : 17631 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Actes nature-HAL : DirectOuvrColl/Actes DOI : 10.1145/3423323 En ligne : https://dl.acm.org/doi/proceedings/10.1145/3423323 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97086

Challenging deep image descriptors for retrieval in heterogeneous iconographic collections / Dimitri Gominski (2019)  

Permalink

Learning scene geometry for visual localization in challenging conditions / Nathan Piasco (2019)    

Permalink

An approach to measuring semantic relatedness of geographic terminologies using a thesaurus and lexical database sources / Zugang Chen in ISPRS International journal of geo-information, vol 7 n° 3 (March 2018)  

Permalink

Can a machine generate humanlike language descriptions for a remote sensing image? / Zhenwei Shi in IEEE Transactions on geoscience and remote sensing, vol 55 n° 6 (June 2017)  

Permalink

Recherche multi-descripteurs dans les fonds photographiques numérisés / Neelanjan Bhowmik (2017)  

Permalink

Free cheers for content discovery? / Tracy Gardner in Research information, n° 84 (June - July 2016) 

Permalink

Linked Forests: Semantic similarity of geographical concepts “forest” / Otakar Cerba in Open geosciences, vol 8 n° 1 (January - July 2016)  

Permalink

How readers discover content in scholarly publications / Tracy Gardner (2016) 

Permalink

Séries cartographiques et géoréférencement, nouveau contexte, nouveaux enjeux / Jean-Luc Arnaud in e-Perimetron, vol 10 n° 4 ([01/11/2015])    

Permalink

Detecting cars in UAV images with a catalog-based approach / Thomas Moranduzzo in IEEE Transactions on geoscience and remote sensing, vol 52 n° 10 tome 1 (October 2014)

Permalink