Descripteur
Termes IGN > informatique > génie logiciel
génie logicielSynonyme(s)Ingénierie logicielle ;ingénierie du logiciel génie du logicielVoir aussi |
Documents disponibles dans cette catégorie (928)
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
Cartographie des essences forestières à partir de séries temporelles d’images satellitaires à hautes résolutions : stabilité des prédictions, autocorrélation spatiale et cohérence avec la phénologie observée in situ / Nicolas Karasiak (2020)
Titre : Cartographie des essences forestières à partir de séries temporelles d’images satellitaires à hautes résolutions : stabilité des prédictions, autocorrélation spatiale et cohérence avec la phénologie observée in situ Type de document : Thèse/HDR Auteurs : Nicolas Karasiak, Auteur ; Claude Monteil, Directeur de thèse ; Jean-Français Dejoux, Directeur de thèse ; David Sheeren , Directeur de thèse Editeur : Toulouse : Université de Toulouse Année de publication : 2020 Importance : 240 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, délivré par l'Institut National Polytechnique de Toulouse, spécialité : Agrosystèmes, Écosystèmes et EnvironnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] apprentissage automatique
[Termes IGN] autocorrélation spatiale
[Termes IGN] bibliothèque logicielle
[Termes IGN] carte forestière
[Termes IGN] essence d'arbre
[Termes IGN] image à haute résolution
[Termes IGN] image Formosat/COSMIC
[Termes IGN] image Landsat-8
[Termes IGN] image Sentinel-MSI
[Termes IGN] phénologie
[Termes IGN] série temporelleIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La forêt a un rôle essentiel sur terre, que ce soit pour stocker le carbone et ainsi lutter contre le réchauffement climatique ou encore fournir un habitat à de nombreuses espèces. Or, la composition de la forêt (la localisation des essences ou leur diversité) a une influence sur les services écologiques rendus. Dans ce contexte, il est important de cartographier les forêts et les essences qui la composent. La télédétection, en particulier à partir d’images satellitaires, apparait comme le moyen le plus adéquat pour caractériser un vaste territoire. Avec l’arrivée de constellations satellitaires comme Sentinel-2 ou Landsat-8 et leur gratuité d’acquisition pour l’utilisateur, il devient possible d’envisager l’usage de séries temporelles d’images satellites à haute résolution spatiale, spectrale et temporelle à l’aide d’algorithmes d’apprentissage automatique. Si de nombreux travaux ont étudié le potentiel des images satellitaires pour identifier les essences, rares sont ceux qui utilisent des séries temporelles (plusieurs images par an) avec une haute résolution spatiale et en tenant compte de l’autocorrélation spatiale des références, i.e. la ressemblance des échantillons spatialement proches les uns des autres. Or, en ne prenant pas en compte ce phénomène, des biais d’évaluation peuvent survenir et ainsi surestimer la qualité des modèles d’apprentissage. Il s’agit aussi de mieux cerner les verrous méthodologiques afin de comprendre pourquoi il peut être facile ou compliqué pour un algorithme d’identifier une essence d’une autre. L’objectif général de la thèse vise à étudier le potentiel et les verrous concernant la reconnaissance des essences forestières à partir des séries temporelles d’images satellite à haute résolution spatiale, spectrale et temporelle. Le premier objectif consiste à étudier la stabilité temporelle des prédictions à partir d’une archive de neuf ans du satellite Formosat-2. Plus particulièrement, les travaux portent sur la mise en place d’une méthode de validation qui soit le plus fidèle à la qualité observée des cartographies. Le second objectif s’intéresse au lien entre les évènements phénologiques in situ (pousse des feuilles en début de saison, ou perte et coloration des feuilles en fin de saison) et ce qui est observable par télédétection. Outre la capacité de détecter ces évènements, il sera étudié si ce qui permet aux algorithmes de différencier les essences les unes des autres est lié à des comportements spécifiques par espèce. Note de contenu : 1- Introduction
2- Etude de la stabilité spatiale et statistique des prédictions
3- Etude de l’impact de l’autocorrélation spatiale
4- Etude et apport de la phénologie
5- Partage des outils et des données : assurer une reproductibilité des travaux
6- Conclusion généraleNuméro de notice : 28326 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Agrosystèmes, Écosystèmes et Environnement : Toulouse : 2020 Organisme de stage : DYNAFOR DOI : sans En ligne : http://www.theses.fr/2020INPT0115 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98378 Constraint based evaluation of generalized images generated by deep learning / Azelle Courtial (2020)
Titre : Constraint based evaluation of generalized images generated by deep learning Type de document : Article/Communication Auteurs : Azelle Courtial , Auteur ; Guillaume Touya , Auteur ; Xiang Zhang, Auteur Editeur : ICA Commission on Generalisation and Multiple Representation Année de publication : 2020 Projets : 1-Pas de projet / Conférence : ICA 2020, 23rd Workshop on Map Generalisation and Multiple Representation 05/11/2020 06/11/2020 Delft Pays-Bas Open Access Proceedings Importance : 3 p. Format : 21 x 30 cm Note générale : Bibliographie Langues : Français (fre) Descripteur : [Termes IGN] 1:25.000
[Termes IGN] 1:250.000
[Termes IGN] Alpes (France)
[Termes IGN] apprentissage profond
[Termes IGN] carte routière
[Termes IGN] classification pixellaire
[Termes IGN] données maillées
[Termes IGN] généralisation automatique de données
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] montagne
[Termes IGN] précision cartographique
[Termes IGN] programmation par contraintes
[Termes IGN] réseau routier
[Vedettes matières IGN] GénéralisationRésumé : (Auteur) The use of deep learning techniques for map generalisation raises new problems regarding the evaluation of the results: (1) images are used as input/output instead of vector data; (2) the deep learning processes do not guarantee results that follow cartographic principles; (3) the deep learning models are black boxes that hide the causal mechanisms. Also, deep learning intern evaluation is mostly based on the realism of the images and the pixel classification accuracy, and none of these criteria is sufficient to evaluate a generalisation process. In this article, we propose an adaptation of the constraint-based evaluation to the images generated by deep learning. Six raster-based constraints are proposed for a mountain road generalisation use case. Numéro de notice : C2020-018 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans Date de publication en ligne : 17/11/2020 En ligne : https://varioscale.bk.tudelft.nl/events/icagen2020/ICAgen2020/ICAgen2020_paper_2 [...] Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96380 Creation of inspirational Web Apps that demonstrate the functionalities offered by the ArcGIS API for JavaScript / Arthur Genet (2020)
Titre : Creation of inspirational Web Apps that demonstrate the functionalities offered by the ArcGIS API for JavaScript Type de document : Mémoire Auteurs : Arthur Genet, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 35 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] ArcGIS
[Termes IGN] données localisées 3D
[Termes IGN] GitHub
[Termes IGN] interface de programmation
[Termes IGN] Javascript (langage de script)
[Termes IGN] Rotterdam (Pays-Bas)
[Termes IGN] scène 3D
[Termes IGN] web mappingIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Mon stage avait pour objectif de développer des applications web montrant aux clients d’Esri Nederland l’intérêt de l’API ArcGIS pour JavaScript. Il consistait à réaliser différentes applications web avec les données d’Esri Nederland présentant plusieurs fonctionnalités de l’API. Au cours du stage, j’ai aussi été amené à travailler sur une web app créée directement pour un client (C-Through HbR pour l’autorité du port de Rotterdam) et une pour un besoin spécifique de l’organisation (Verberg Webscene features). Note de contenu :
Introduction
1. My organization
2. Work methods
3. Learning the api
4. Projects
ConclusionNuméro de notice : 26384 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : ESRI Nederland Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95941 Documents numériques
peut être téléchargé
Creation of inspirational Web Apps... - auteur pdfAdobe Acrobat PDF Deep learning for remote sensing images with open source software / Rémi Cresson (2020)
Titre : Deep learning for remote sensing images with open source software Type de document : Guide/Manuel Auteurs : Rémi Cresson, Auteur Editeur : Boca Raton, New York, ... : CRC Press Année de publication : 2020 Importance : 164 p. Présentation : Nombreuses illustrations en couleur ISBN/ISSN/EAN : 978-0-367-85848-3 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] image radar
[Termes IGN] image Sentinel
[Termes IGN] jeu de données localisées
[Termes IGN] Orfeo Tool Box
[Termes IGN] QGIS
[Termes IGN] restauration d'image
[Termes IGN] segmentation sémantiqueIndex. décimale : 35.20 Traitement d'image Résumé : (Editeur) In today’s world, deep learning source codes and a plethora of open access geospatial images are readily available and easily accessible. However, most people are missing the educational tools to make use of this resource.This book is the first practical book to introduce deep learning techniques using free open source tools for processing real world remote sensing images. The approaches detailed in this book are generic and can be adapted to suit many different applications for remote sensing image processing, including landcover mapping, forestry, urban studies, disaster mapping, image restoration, etc. Written with practitioners and students in mind, this book helps link together the theory and practical use of existing tools and data to apply deep learning techniques on remote sensing images and data.
Specific Features of this Book:
- The first book that explains how to apply deep learning techniques to public, free available data (Spot-7 and Sentinel-2 images, OpenStreetMap vector data), using open source software (QGIS, Orfeo ToolBox, TensorFlow)
- Presents approaches suited for real world images and data targeting large scale processing and GIS applications
- Introduces state of the art deep learning architecture families that can be applied to remote sensing world, mainly for landcover mapping, but also for generic approaches (e.g. image restoration)
- Suited for deep learning beginners and readers with some GIS knowledge. No coding knowledge is required to learn practical skills.
- Includes deep learning techniques through many step by step remote sensing data processing exercises.Note de contenu :
Introduction
1. Backgrounds
2. Patch Based Classification
3. Semantic Segmentation
4. Image RestorationNuméro de notice : 26551 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Manuel DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97864 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 26551-01 35.20 Livre Centre de documentation Télédétection Disponible
Titre : Détermination de la croisée des axes du télescope MéO Type de document : Mémoire Auteurs : Julien Barnéoud, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2020 Importance : 75 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Métrologie
[Termes IGN] chaîne de traitement
[Termes IGN] données laser
[Termes IGN] logiciel d'analyse de données
[Termes IGN] métrologie géodésique
[Termes IGN] prisme (optique)
[Termes IGN] téléscopeIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Le télescope de Métrologie Optique (MéO) fait parti de l’observatoire de la Côte d’Azur, situé sur le plateau de Calern (Alpes-Maritimes). Il permet de réaliser de la télémétrie LASER, mesure de distance entre le sol terrestre et des réflecteurs dans l’espace, en visant les satellites artificiels gravitant autour de la Terre. Il est surtout un des quatre télescopes au monde capables de réaliser de la télémétrie sur la Lune. Le point de référence de ces mesures au sol est la croisée des axes du télescope, supposée immobile. Cependant, l’équipe de l’observatoire suspecte un mouvement de ce point. Un projet en 2018 et un stage en 2019 ont permis de mettre en place un protocole, des dispositifs de mesure et une chaîne de traitements afin de déterminer automatiquement ce point de référence. Le stage décrit dans ce rapport s’inscrit dans cette continuité, par l’installation d’un nouveau dispositif de mesure des axes et en finalisant l’automatisation des traitements. Note de contenu : Introduction
1. Contexte et Objectifs
1.1 Le télescope MéO
1.2 Le centre du télescope
1.3 Résumé des précédents travaux
1.4 Objectifs de ce stage
2. Un nouveau dispositif : le coin de cube rotatif
2.1 Principe
2.2 Étude sur le placement idéal : simulations
2.3 Mise en place
3. Protocoles de mesures
3.1 Ligne de référence
3.2 Coin de cube
3.3 Détermination complète des deux axes d’azimut et d’élévation, détermination du centre du télescope
4. Automatisation des mesures et des traitements
4.1 Fonctionnement général
4.2 Interface
4.3 Calculs automatiques avec Comp3d5
4.4 Enregistrement des résultats et outils de visualisation
5. Analyse
5.1 Validité de la mise en place du coin de cube motorisé
5.2 Couronne de prismes vs coin de cube rotatif
5.3 Suivi journalier
5.4 Détermination du centre du télescope
5.5 Analyse de la croisée des axes
ConclusionNuméro de notice : 26363 Affiliation des auteurs : IGN (2020- ) Thématique : IMAGERIE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Observatoire de la côte d’Azur Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95802 Documents numériques
peut être téléchargé
Détermination de la croisée des axes du télescope MéO - pdf auteurAdobe Acrobat PDF Développement d’outils ad-hoc open source pour des applications Web cartographiques / Bruno Verchère (2020)PermalinkPermalinkPermalinkEnhancing knowledge, skills, and spatial reasoning through location-based mobile learning / Christian Sailer (2020)PermalinkEvaluation des mesures GPS effectuées par un smartphone Android Xiaomi Mi 8 / Umberto Robustelli in Géomatique expert, n° 132-133 (janvier - septembre 2020)PermalinkDe l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)PermalinkImage processing applications in object detection and graph matching: from Matlab development to GPU framework / Beibei Cui (2020)PermalinkPermalinkInitiatives for Providing Data and Tools for Research and Education: EuroSDR survey / Bénédicte Bucher (2020)PermalinkPermalink