Descripteur
Termes IGN > informatique > génie logiciel
génie logicielSynonyme(s)Ingénierie logicielle ;ingénierie du logiciel génie du logicielVoir aussi |
Documents disponibles dans cette catégorie (4123)
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
Historical Vltava River valley–various historical sources within web mapping environment / Jiří Krejčí in ISPRS International journal of geo-information, vol 11 n° 1 (January 2022)
[article]
Titre : Historical Vltava River valley–various historical sources within web mapping environment Type de document : Article/Communication Auteurs : Jiří Krejčí, Auteur ; Jiří Cajthaml, Auteur Année de publication : 2022 Article en page(s) : n° 35 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] ArcGIS
[Termes IGN] carte ancienne
[Termes IGN] changement d'utilisation du sol
[Termes IGN] données anciennes
[Termes IGN] géoréférencement
[Termes IGN] modélisation 3D
[Termes IGN] point d'appui
[Termes IGN] République Tchèque
[Termes IGN] rivière
[Termes IGN] système d'information historique
[Termes IGN] vectorisation
[Termes IGN] web mappingRésumé : (auteur) The article deals with a comprehensive information system of the historic Vltava River valley. This system contains a number of resources, which are described. For old maps, which are the basis of the whole system, their georeferencing and potential problems in creating seamless mosaics are described. Other sources of data include old photographs, which are localized and stored in the system, along with the definition point of the place from which they were probably taken. The vectorization of data is described, not only for area features used for the analysis of land-use changes, but also for the vectorization of contours. These were vectorized from old maps and are substantial for the creation of historic DEM. Vectorized footprints of buildings and vectors of other functional areas subsequently serve as a basis for the procedural modeling of the virtual 3D landscape. The creation of such a complex and broad information system cannot be described in one article. The aim of this text is to draw attention to a possible approach to the presentation and visualization of the historic landscape, along with links to important documents. Numéro de notice : A2022-038 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi11010035 Date de publication en ligne : 04/01/2022 En ligne : https://doi.org/10.3390/ijgi11010035 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99380
in ISPRS International journal of geo-information > vol 11 n° 1 (January 2022) . - n° 35[article]
Titre : L'îlot Kergaher, un lieu nature pour toutes et tous Type de document : Mémoire Auteurs : Raphaël Mattioni, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2022 Autre Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Importance : 44 p. Format : 21 x 30 cm Note générale : Mémoire de licence professionnelle Géomatique et environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] base de données naturalistes
[Termes IGN] biodiversité
[Termes IGN] carte thématique
[Termes IGN] eutrophisation
[Termes IGN] Morbihan (56)
[Termes IGN] QGIS
[Termes IGN] taxinomieIndex. décimale : LPGE Mémoires de Licence professionnelle géomatique et environnement Résumé : (documentaliste) Association loi 1901 dont l'objet est de sensibiliser le public, et particulièrement le jeune public, à la protection de la nature, l'îlot Kergaher a besoin du développement d’outils permettant la valorisation de son site et de sa biodiversité. La structure s'est appuyée sur mes compétences naturalistes et géomatiques pour me faire développer des outils. Il s'agit principalement de créer une base de données géographiques, permettant d'inventorier la biodiversité du site sous forme de taxons et de produire une carte de l'ensemble du site en vectorisant des photographies aériennes et un plan IGN. Note de contenu : 1- Introduction
2- Mes missions
3- Bilan
4- ConclusionNuméro de notice : 28896 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/GEOMATIQUE Nature : Mémoire licence Organisme de stage : Association l’Ilot Kergaher Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101634 Documents numériques
en open access
L'îlot Kergaher... - pdf auteur -Adobe Acrobat PDF Interactive semantic segmentation of aerial images with deep neural networks / Gaston Lenczner (2022)
Titre : Interactive semantic segmentation of aerial images with deep neural networks Type de document : Thèse/HDR Auteurs : Gaston Lenczner, Auteur ; Guy Le Besnerais, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2022 Importance : 120 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris-Saclay, Spécialité : Traitement du signal et des imagesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] image aérienne
[Termes IGN] image RVB
[Termes IGN] programme interactif
[Termes IGN] réalité de terrain
[Termes IGN] réseau neuronal profond
[Termes IGN] segmentation sémantiqueIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Nous proposons dans cette thèse de mettre en place une collaboration entre un réseau de neurones profond et un utilisateur pour collecter rapidement des cartes de segmentation sémantiques précises d'images de télédétection. En bref, l'utilisateur interagit de manière itérative avec le réseau pour corriger ses prédictions initialement erronées. Concrètement, ces interactions sont des annotations représentant les labels sémantiques. Nos contributions se décomposent en quatre parties. Premièrement, nous proposons deux schémas d'apprentissage interactif pour intégrer les entrées de l'utilisateur dans les réseaux de neurones profonds. Le premier concatène les annotations de l'utilisateur avec les autres entrées du réseau (comme l'image RGB). Nous l'appliquons à la fois aux architectures convolutionnelles et aux Transformers. La seconde utilise les annotations comme une vérité terrain partielle pour ré-entraîner le réseau. Ensuite, nous proposons une stratégie d'apprentissage actif pour guider l'utilisateur vers les zones les plus pertinentes à annoter. Dans ce but, nous adaptons différentes fonctions d'acquisition issues de l'état de l'art pour évaluer l'incertitude du réseau de neurones. Enfin, nous proposons de modifier l'espace de sortie de l'algorithme pour l'adapter rapidement à de nouvelles classes sous faible supervision. Pour atténuer les problèmes de décalage de la classe d'arrière plan et d'oubli catastrophique inhérents à ce problème, nous comparons différentes régularisations et tirons parti d'une stratégie dite de pseudo-labeling. À travers des expériences sur plusieurs jeux de données de télédétection, nous démontrons l'efficacité et analysons les méthodes proposées. La combinaison de ces différents travaux aboutit à un framework robuste et polyvalent pour corriger de manière interactive les cartes de segmentation sémantique produites par des algorithmes d'apprentissage profond en télédétection. Note de contenu : Chapter 1. Introduction
1.1 Context
1.2 Open research questions
1.3 Contributions
1.4 Manuscript outline
1.5 Publications
Chapter 2. Related work
2.1 Understanding the stakes
2.2 Interactive learning
2.3 Metrics & datasets
Chapter 3. Fast interactive learning
3.1 Motivation & contribution
3.2 DISIR : Deep Image Segmentation with Interactive Refinements
3.3 Evaluation process
3.4 Experiments
3.5 Conclusion
Chapter 4. Interactive learning at scale
4.1 Transformers for a better propagation of the annotations
4.2 DISCA : Deep Image Segmentation with Continual Adaptation
Chapter 5. Guiding the interactions
5.1 Motivation & contributions
5.2 DIAL : Deep Interactive and Active Learning
5.3 Experiments
5.4 Conclusion
Chapter 6. Towards interactive class-incremental segmentation
6.1 Motivation & contributions
6.2 Methodology
6.3 Experiments
6.4 Conclusion
Chapter 7. Conclusion
7.1 Summary of contributions
7.2 Future worksNuméro de notice : 26906 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et des images : Paris-Saclay : 2022 Organisme de stage : Département Traitement de l’Information et Systèmes DTIS (ONERA) nature-HAL : Thèse DOI : sans Date de publication en ligne : 14/10/2022 En ligne : https://tel.hal.science/tel-03814978 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101918 Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale / François Sémécurbe (2022)
Titre : Introduction à la géomatique pour le statisticien : quelques concepts et outils innovants de gestion, traitement et diffusion de l’information spatiale Type de document : Guide/Manuel Auteurs : François Sémécurbe, Auteur ; Elise Coudin, Auteur Editeur : Paris : Institut National de la Statistique et des Etudes Economiques INSEE Année de publication : 2022 Collection : Documents de travail num. 2022-01 Importance : 66 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] carte interactive
[Termes IGN] cartographie dynamique
[Termes IGN] cartographie thématique
[Termes IGN] données spatiotemporelles
[Termes IGN] données vectorielles
[Termes IGN] GeoServer
[Termes IGN] géostatistique
[Termes IGN] PostGIS
[Termes IGN] Python (langage de programmation)
[Termes IGN] R (langage)
[Termes IGN] stockage de données
[Termes IGN] système d'information géographique
[Termes IGN] traitement de données localiséesRésumé : (éditeur) Ce document vise une présentation simple à l’attention des statisticiens des outils géomatiques récents qui permettent de stocker, traiter et diffuser l’information spatiale. Les logiciels comme R ou Python intègrent désormais les caractéristiques géographiques rendant plus accessibles leur traitement. Pour autant, le foisonnement des technologies, les possibilités offertes par le web, les technologies web, sont autant d’obstacles à dépasser pour celles et ceux souhaitant réaliser des cartographies thématiques percutantes. Ce document propose une présentation unifiée des concepts géomatiques, avec des extraits de code en R, Python et PostGIS. Il se concentre sur les données vectorielles et décrit les traitements et manipulations classiques à connaître pour construire une statistique spatiale. Il aborde aussi les outils et les flux permettant une diffusion dynamique (cartes interactives) de l’information spatiale. Il discute enfin le rôle de la spatialisation dans la représentation des données statistiques. Note de contenu : Introduction
1- Les données spatiales
2- Traitement des données spatiales
3- Diffusion dynamique de l'information spatiale
Discussion : le territoire des statisticiensNuméro de notice : 28651 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Guide DOI : sans En ligne : https://www.insee.fr/fr/statistiques/6049652 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99778
Titre : Is map generalisation a computational cartography problem? Type de document : Article/Communication Auteurs : Guillaume Touya , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Projets : LostInZoom / Touya, Guillaume Conférence : CompCarto 2022, 1st workshop on Computational Cartography 19/05/2022 20/05/2022 Bonn Allemagne programme Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage profond
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] géomètrie algorithmique
[Vedettes matières IGN] GénéralisationRésumé : (auteur) Map generalisation is one of the processes of map design, when the spatial data used to make the map is too detailed for the scale of the map. Map generalisation seeks to abstract and simplify this detailed spatial information to represent it on the map with a good legibility. Map generalisation involves different types of transformations: selection, simplification, displacement, aggregation, collapse, etc. Historically, computational geometry researchers greatly contributed to the automation of map generalisation by proposing algorithms to achieve some of these atomic transformations. But the research questions addressed by researchers on map generalisation have changed over the years, with the progress on the automation, and the changes in the way people use maps (apparition of multi-scale zoomable web maps). Is map generalisation still a computational cartography problem? To discuss this rhetorical question, this presentation illustrates the current issues of map generalisation, with past contribution of computational cartography and possible computational cartography problems. For instance, there are still needs for new specific algorithms, either because maps are much more diverse, or because the larger scale range calls for new transformations. As maps tend to mix elements of topographic maps and elements of schematized maps, computational cartography is also relevant to solve this task. Finally, as the current trend in map generalisation is the use of deep learning models, the presentation discusses the relevance of computational cartography techniques in this context. Numéro de notice : C2022-028 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Conférence invitée nature-HAL : Conf-Invitée DOI : sans En ligne : https://hal.science/hal-03677309v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100959 Landslide evolution pattern revealed by multi-temporal DSMs obtained from historical aerial images / Michele Santangelo (2022)PermalinkNew Fuzzy-AHP Matlab based graphical user interface (GUI) for a broad range of users: Sample applications in the environmental field / Meryem Tahri in Computers & geosciences, vol 158 (January 2022)PermalinkRéappropriation de la donnée spatiale de la Communauté d’Agglomération de Coulommiers Pays de Brie / Mathieu Defaye (2022)PermalinkRecursive Gauss-Helmert model with equality constraints applied to the efficient system calibration of a 3D laser scanner / Sören Vogel in Journal of applied geodesy, vol 16 n° 1 (January 2022)PermalinkPermalinkRemise en forme des données géographiques des biotopes en milieu ouvert du Luxembourg / Alexandre Nghien (2022)PermalinkPermalinkPermalinkUtilisations multiples de FME pour automatiser les traitements d’une collectivité / Emma Bolmin (2022)PermalinkPermalink