Centre dedocumentation
scientifique

Efficient image dataset classification difficulty estimation for predicting deep-learning accuracy / Florian Scheidegger in The Visual Computer, vol 37 n° 6 (June 2021)  

Public [article]  inThe Visual Computer > vol 37 n° 6 (June 2021) . - pp 1593 - 1610 Titre : Efficient image dataset classification difficulty estimation for predicting deep-learning accuracy Type de document : Article/Communication Auteurs : Florian Scheidegger, Auteur ; Roxana Istrate, Auteur ; Giovanni Mariani, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1593 - 1610 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] architecture de réseau [Termes IGN] classification par nuées dynamiques [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] distance de Fréchet [Termes IGN] extraction de traits caractéristiques [Termes IGN] jeu de données [Termes IGN] précision de la classification [Termes IGN] processeur graphique Résumé : (auteur) In the deep-learning community, new algorithms are published at a very fast pace. Therefore, solving an image classification problem for new datasets becomes a challenging task, as it requires to re-evaluate published algorithms and their different configurations in order to find a close to optimal classifier. To facilitate this process, before biasing our decision toward a class of neural networks or running an expensive search over the network space, we propose to estimate the classification difficulty of the dataset. Our method computes a single number that characterizes the dataset difficulty 97× faster than training state-of-the-art networks. The proposed method can be used in combination with network topology and hyper-parameter search optimizers to efficiently drive the search toward promising neural network configurations. Numéro de notice : A2021-533 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1007/s00371-020-01922-5 Date de publication en ligne : 28/07/2020 En ligne : https://doi.org/10.1007/s00371-020-01922-5 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97993 [article]

Qu'est-ce que la cartographie du Web ? / Franck Ghitalla (2021)  

Public Titre : Qu'est-ce que la cartographie du Web ? Type de document : Monographie Auteurs : Franck Ghitalla, Éditeur scientifique ; Dominique Boullier, Éditeur scientifique ; Mathieu Jacomy, Éditeur scientifique Editeur : Marseille : OpenEdition Press Année de publication : 2021 Importance : 288 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 979-10-365-6263-1 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Société de l'information [Termes IGN] agrégat [Termes IGN] analyse visuelle [Termes IGN] architecture de réseau [Termes IGN] cartographie numérique [Termes IGN] données massives [Termes IGN] données numériques [Termes IGN] graphe relationnel [Termes IGN] représentation cartographique [Termes IGN] ressources web [Termes IGN] sémiologie graphique [Termes IGN] site web [Termes IGN] toile d'araignée mondiale Résumé : (éditeur) Les web studies et les network sciences ont déjà une histoire, et, en France, cette histoire fut profondément marquée par la contribution de Franck Ghitalla. Cet ouvrage posthume était en fait déjà prêt à être publié au moment du décès brutal de son auteur en décembre 2018. Ses chroniques du Web et ses carnets cartographiques, ici regroupés, ont, en effet, une vocation pédagogique certaine. Cet ouvrage est ainsi idéal pour une initiation, car il permettra à chacun de s’approprier les concepts et les méthodes que Franck Ghitalla a éminemment contribué à développer en France. L’histoire de la construction de ces approches en réseau qu’il retrace dans la première partie permet comprendre que la tâche requiert de multiples expertises : la rigueur des calculs doit être alliée à la fiabilité des sources et des données ainsi qu’à la sensibilité sémiotique de la visualisation pour rendre robuste une interprétation toujours ancrée dans les sciences sociales. Chaque chapitre s’appuie sur des exemples d’analyse de réseaux très précis, dans des domaines très divers, et les concepts sont progressivement distillés, ainsi que les tours de main, que Franck Ghitalla, brillant artisan des données numériques, avait à cœur de partager avec tous. Note de contenu : 1- Voir le Web 2- Questions de distances 3- Hiérarchies 4- Agrégats 5- Méthode et instruments 6- Des data ciselées 7- Le Web Datarium 8- Broadcast ou viralité ? 9- L’information, en n dimensions 10- La prochaine étape : la multidimensionnalité 11- Une première plongée dans le réseau Tor 12- Archéologie des connaissances 13- Révélations 14- La cartographie d’information ou l’alchimie quali-quantitative 15- Cartographier la science 16- Les écosystèmes d’innovation Numéro de notice : 28320 Affiliation des auteurs : non IGN Thématique : SOCIETE NUMERIQUE Nature : Recueil / ouvrage collectif DOI : 10.4000/books.oep.15358 En ligne : https://books.openedition.org/oep/15358 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98258

A novel deep network and aggregation model for saliency detection / Ye Liang in The Visual Computer, vol 36 n° 9 (September 2020)  

Public [article]  inThe Visual Computer > vol 36 n° 9 (September 2020) . - pp 1883 - 1895 Titre : A novel deep network and aggregation model for saliency detection Type de document : Article/Communication Auteurs : Ye Liang, Auteur ; Hongzhe Liu, Auteur ; Nan Ma, Auteur Année de publication : 2020 Article en page(s) : pp 1883 - 1895 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] apprentissage profond [Termes IGN] architecture de réseau [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] déconvolution [Termes IGN] extraction de traits caractéristiques [Termes IGN] saillance Résumé : (auteur) Recent deep learning-based methods for saliency detection have proved the effectiveness of integrating features with different scales. They usually design various complex architectures of network, e.g., multiple networks, to explore the multi-scale information of images, which is expensive in computation and memory. Feature maps produced with different subsampling convolutional layers have different spatial resolutions; therefore, they can be used as the multi-scale features to reduce the costs. In this paper, by exploiting the in-network feature hierarchy of convolutional networks, we propose a novel multi-scale network for saliency detection (MSNSD) consisting of three modules, i.e., bottom-up feature extraction, top-down feature connection and multi-scale saliency prediction. Moreover, to further boost the performance of MSNSD, an input image-aware saliency aggregation method is proposed based on the ridge regression, which combines MSNSD with some well-performed handcrafted shallow models. Extensive experiments on several benchmarks show that the proposed MSNSD outperforms the state-of-the-art saliency methods with less computational and memory complexity. Meanwhile, our aggregation method for saliency detection is effective and efficient to combine deep and shallow models and make them complementary to each other. Numéro de notice : A2020-601 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1007/s00371-019-01781-9 Date de publication en ligne : 09/12/2019 En ligne : https://doi.org/10.1007/s00371-019-01781-9 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95952 [article]

Creating a web mapping portal to manage Malta’s underwater cultural heritage / Mélissa Dupuis (2020) 

Public Titre : Creating a web mapping portal to manage Malta’s underwater cultural heritage Type de document : Mémoire Auteurs : Mélissa Dupuis, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 33 p. Format : 21 x 30 cm Note générale : Bibliographie Rapport de projet pluridisciplinaire, cycle ING2 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] archéologie sous-marine [Termes IGN] architecture client-serveur [Termes IGN] base de données localisées [Termes IGN] carte interactive [Termes IGN] Cascading Style Sheets CSS [Termes IGN] HTML [Termes IGN] Javascript (langage de script) [Termes IGN] Malte [Termes IGN] patrimoine archéologique [Termes IGN] portail [Termes IGN] site archéologique Index. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Depuis la fin du XXème siècle, de nombreux vestiges archéologiques ont été retrouvés au large des côtes maltaises. Ces sites varient d’un naufrage phénicien vieux de 2700 ans, le plus ancien de la Méditerranée centrale, à des dizaines d’avions échoués, des épaves modernes ou des navires de la Première Guerre mondiale. Ils sont le témoin de l’activité humaine des différentes civilisations qui ont vécu sur l’archipel à travers les siècles et font de Malte le conservateur d’une ressource culturelle unique, bien préservée et mondialement reconnue. Conscient de cette responsabilité, le gouvernement maltais a lancé en 2019 l’unité UCHU (the Underwater Cultural Heritage Unit) dans le but de protéger le patrimoine maritime de Malte, réglementer son accès aux plongeurs et accroître son appréciation publique par des outils de sensibilisation. Cette initiative est à l’origine de nombreux projets d’identification des sites sous-marins qui mènent à l’utilisation de la géomatique. C’est dans le cadre de ce vaste programme de protection des données maritimes que s’inscrit mon stage au sein du service archéologique de l’Université de Malte. Il m’est demandé de concevoir une base de données géographique des vestiges maritimes maltais retrouvés à ce jour accessibles depuis un portail web. Ce portail web a pour vocation de partager publiquement les données produites par les chercheurs de l’Université sur une carte interactive mais aussi de permettre aux membres de l’Université de mettre à jour les informations qui s’y trouvent. Il devra également autoriser à des acteurs privilégiés, comme les membres du gouvernement, l’accès à des données confidentielles. Ce travail de web mapping utilisera donc une interface de connexion. Note de contenu : Introduction 1. Needs identification 1.1 Department of Classics and Archaeology 1.2 Project objectives 1.3 Future users 2. Developed solution 2.1 Specifications 2.2 Client side 2.3 Server side 3. Outcome and project management 3.1 Outcome 3.2 Project management Conclusion Numéro de notice : 26411 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Department of Classics and Archaeology (University of Malta) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96273

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
26411-01	PROJET	Livre	Centre de documentation	Travaux d'élèves	Disponible

Documents numériques

peut être téléchargé Creating a web mapping portal to manage... - pdf auteur Adobe Acrobat PDF

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

Public Titre : Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois Type de document : Article/Communication Auteurs : Margarita Khokhlova, Auteur ; Valérie Gouet-Brunet , Auteur ; Nathalie Abadie , Auteur ; Liming Chen, Auteur Editeur : Vannes : Université de Bretagne Sud Année de publication : 2020 Projets : 1-Pas de projet / Conférence : RFIAP 2020, Reconnaissance des Formes, Image, Apprentissage et Perception 23/06/2020 26/06/2020 Vannes France Open Access Proceedings Importance : 11 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse du paysage [Termes IGN] appariement d'images [Termes IGN] architecture de réseau [Termes IGN] BD ortho [Termes IGN] BD Topo [Termes IGN] classification barycentrique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection de changement [Termes IGN] données multitemporelles [Termes IGN] géolocalisation [Termes IGN] image aérienne [Termes IGN] image multitemporelle [Termes IGN] recherche d'image basée sur le contenu [Termes IGN] réseau neuronal siamois [Termes IGN] segmentation sémantique Résumé : (auteur) Cet article présente un réseau multimodal qui met en correspondance des images aériennes de territoires urbains et ruraux français prises à environ 15 ans d'intervalle. Il devrait être invariant à un large éventail de changements, tels que l'évolution du paysage au fil des années. Il exploite les images originales et les régions sémantiquement segmentées et étiquetées. Le coeur de la méthode est un réseau siamois qui apprend à extraire des caractéristiques des paires d'images correspondantes dans le temps et des paires non correspondantes. Ces descripteurs sont suffisamment discriminants pour qu'un simple classifieur k-NN suffise comme critère de géo-correspondance final. Dans cet article, nous dé-montrons que notre descripteur siamois surpasse les autres descripteurs d'images en termes de recherche d'images par contenu à travers le temps. Numéro de notice : C2020-003 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans En ligne : https://cap-rfiap2020.sciencesconf.org/data/RFIAP_2020_paper_21.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95446

Voir aussi

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

Documents numériques

en open access rfiap2020_21_cameraready.pdf Adobe Acrobat PDF

Géomatique webmapping en open source / David Collado (2019)

Permalink

Simultaneous extraction of roads and buildings in remote sensing imagery with convolutional neural networks / Rasha Alshehhi in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)  

Permalink

Etude et méthodes d'intégration et d'interaction de données 3D complexes type "nuages de points" vers un web SIG / Victor Lambert (2017) 

Permalink

Réseaux de neurones convolutifs pour la segmentation sémantique et l'apprentissage d'invariants de couleur / Damien Fourure (2017)  

Permalink

Quand le Cloud favorise de nouveaux modes de commercialisation / Françoise de Blomac in DécryptaGéo le mag, n° 163 (janvier 2015)

Permalink

Programmation avec Node.js, Express.js et MongoDB / Eric Sarrion (2014)

Permalink

Windows 8.1 et office 2013 / Olivier Bat (2014)

Permalink

Création de l'application "envirONS" pour l'étude des quartiers d'Ottawa / Thibault Fontmarty (2013) 

Permalink

Conception d'un SIG archéologique : le cas de la vallée des Merveilles / Laure Chandelier in Géomatique expert, n° 85 (01/03/2012)

Permalink

Scénario de mise en place du SIG urbain de la ville de Fès (Maroc) / A. El Garouani in Géomatique expert, n° 85 (01/03/2012)

Permalink