Descripteur
Documents disponibles dans cette catégorie (1466)
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
Contributions to graph-based hierarchical analysis for images and 3D point clouds / Leonardo Gigli (2021)
Titre : Contributions to graph-based hierarchical analysis for images and 3D point clouds Type de document : Thèse/HDR Auteurs : Leonardo Gigli, Auteur ; Beatriz Marcotegui, Directeur de thèse Editeur : Paris : Université Paris Sciences et Lettres Année de publication : 2021 Importance : 177 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université PSL, Spécialité : Morphologie MathématiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] analyse de groupement
[Termes IGN] apprentissage automatique
[Termes IGN] arbre aléatoire minimum
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] extraction du réseau routier
[Termes IGN] morphologie mathématique
[Termes IGN] processus de hiérarchisation analytique
[Termes IGN] réseau neuronal de graphes
[Termes IGN] segmentation d'image
[Termes IGN] semis de points
[Termes IGN] texture d'image
[Termes IGN] théorie des graphesIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Graphs are powerful mathematical structures representing a set of objects and the underlying links between pairs of objects somehow related. They are becoming increasingly popular in data science in general and in particular in image or 3D point cloud analysis. Among the wide spectra of applications, they are involved in most of the hierarchical approaches.Hierarchies are particularly important because they allow us to efficiently organize the information required and to analyze the problems at different levels of detail. In this thesis, we address the following topics. Many morphological hierarchical approaches rely on the Minimum Spanning Tree (MST). We propose an algorithm for MST computation in streaming based on a graph decomposition strategy. Thanks to this decomposition, larger images can be processed or can benefit from partial reliable information while the whole image is not completely available.Recent LiDAR developments are able to acquire large-scale and precise 3D point clouds. Many applications, such as infrastructure monitoring, urban planning, autonomous driving, precision forestry, environmental assessment, archaeological discoveries, to cite a few, are under development nowadays. We introduce a ground detection algorithm and compare it with the state of the art. The impact of reducing the point cloud density with low-cost scanners is studied, in the context of an autonomous driving application. Finally, in many hierarchical methods similarities between points are given as input. However, the metric used to compute similarities influences the quality of the final results. We exploit metric learning as a complementary tool that helps to improve the quality of hierarchies. We demonstrate the capabilities of these methods in two contexts. The first one,a texture classification of 3D surfaces. Our approach ranked second in a task organized by SHREC’20 international challenge. The second one learning the similarity function together with the optimal hierarchical clustering, in a continuous feature-based hierarchical clustering formulation. Note de contenu : Introduction
1- Graph theory and clustering
2- Point clouds
3- Ground and road detection
4- Minimum spanning tree for data streams
5- Metric learning
6- Towards Morphological Convolutions on Graphs
ConclusionsNuméro de notice : 28623 Affiliation des auteurs : non IGN Thématique : IMAGERIE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Morphologie Mathématique : Paris Sciences et Lettres : 2021 Organisme de stage : Centre de Morphologie Mathématique DOI : sans En ligne : https://pastel.hal.science/tel-03512298/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99543 Convex hull: another perspective about model predictions and map derivatives from remote sensing data / Jean-Pierre Renaud (2021)
Titre : Convex hull: another perspective about model predictions and map derivatives from remote sensing data Type de document : Article/Communication Auteurs : Jean-Pierre Renaud , Auteur ; Ankit Sagar , Auteur ; Pierre Barbillon, Auteur ; Olivier Bouriaud , Auteur ; Christine Deleuze, Auteur ; Cédric Vega , Auteur Editeur : Vienne [Autriche] : Technische Universität Wien Année de publication : 2021 Collection : Geowissenschaftliche Mitteilungen, ISSN 1811-8380 num. 104 Projets : ARBRE / AgroParisTech (2007 -) Conférence : SilviLaser 2021, 17th conference on Lidar Applications for Assessing and Managing Forest Ecosystems 28/09/2021 30/09/2021 Vienne + online Autriche open access proceedings Projets : DEEPSURF / Pironon, Jacques Importance : pp 71 - 73 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] attribut non spatial
[Termes IGN] convexité
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] échantillonnage
[Termes IGN] erreur systématique
[Termes IGN] modèle de simulation
[Termes IGN] modèle linéaireMots-clés libres : enveloppe convexe Résumé : (auteur) [introduction] In forest inventories as well as in the process of building models, obtaining an efficient sample is a central goal to reach precise estimates of forest attributes (Hawbaker et al. 2009, Frazer et al. 2011, Grafström et al. 2014, Saarela et al. 2015, Bouvier et al. 2019). In a model-based approach, a plots sample must cover adequately the variability of the considered forest attributes in order to minimise prediction error. Different strategies have been proposed to efficiently distribute the field sampling units in the auxiliary space of the remote sensing data (e.g. Hawbaker et al. 2009, Grafström et al. 2014). Some authors have proposed to stratify Airborne Laser Scanning data (ALS) to optimize sampling (Hawbaker et al. 2009, Frazer et al. 2011), and Maltamo et al. (2011) compared different field plot selection strategies in order to optimise models precision. Interestingly, White et al. (2013) applied convex hull approach to show uncovered forest structures by the field calibration sampling units, since large prediction errors could be associated with model extrapolations, resulting in potentially biased map derivatives. In this research, we use convex hull to identify the proportion of extrapolated pixels, computed their distance to the calibration domain and estimated bias associated to the linear model predictions on an ALS case study. Numéro de notice : C2021-030 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET/IMAGERIE/MATHEMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.34726/wim.1919 Date de publication en ligne : 01/12/2021 En ligne : https://doi.org/10.34726/wim.1919 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98997 Correcting misclassification errors in crowdsourced ecological data: A Bayesian perspective / Edgar Santos-Fernandez in Journal of the Royal Statistical Society: Series C Applied Statistics, vol 70 n° 1 (January 2021)
[article]
Titre : Correcting misclassification errors in crowdsourced ecological data: A Bayesian perspective Type de document : Article/Communication Auteurs : Edgar Santos-Fernandez, Auteur ; Erin E. Peterson, Auteur ; Julie Vercelloni, Auteur ; Em Rushworth, Auteur ; Kerrie Mengersen, Auteur Année de publication : 2021 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification bayesienne
[Termes IGN] données écologiques
[Termes IGN] estimation bayesienne
[Termes IGN] modèle d'incertitude
[Termes IGN] récif corallien
[Termes IGN] science citoyenneRésumé : (auteur) Many research domains use data elicited from ‘citizen scientists’ when a direct measure of a process is expensive or infeasible. However, participants may report incorrect estimates or classifications due to their lack of skill. We demonstrate how Bayesian hierarchical models can be used to learn about latent variables of interest, while accounting for the participants’ abilities. The model is described in the context of an ecological application that involves crowdsourced classifications of georeferenced coral-reef images from the Great Barrier Reef, Australia. The latent variable of interest is the proportion of coral cover, which is a common indicator of coral reef health. The participants’ abilities are expressed in terms of sensitivity and specificity of a correctly classified set of points on the images. The model also incorporates a spatial component, which allows prediction of the latent variable in locations that have not been surveyed. We show that the model outperforms traditional weighted-regression approaches used to account for uncertainty in citizen science data. Our approach produces more accurate regression coefficients and provides a better characterisation of the latent process of interest. This new method is implemented in the probabilistic programming language Stan and can be applied to a wide number of problems that rely on uncertain citizen science data. Numéro de notice : A2021-509 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/IMAGERIE/MATHEMATIQUE Nature : Article DOI : 10.1111/rssc.12453 Date de publication en ligne : 11/11/2020 En ligne : https://doi.org/10.1111/rssc.12453 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102439
in Journal of the Royal Statistical Society: Series C Applied Statistics > vol 70 n° 1 (January 2021)[article]
Titre : Data science: Measuring uncertainties Type de document : Monographie Auteurs : Carlos Alberto De Bragança Pereira, Éditeur scientifique ; Adriano Polpo, Éditeur scientifique ; Agatha Rodrigues, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2021 Importance : 256 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 978-3-0365-0793-4 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] algorithme espérance-maximisation
[Termes IGN] analyse de groupement
[Termes IGN] données massives
[Termes IGN] entropie maximale
[Termes IGN] équation de Riccati
[Termes IGN] estimation bayesienne
[Termes IGN] filtre de Kalman
[Termes IGN] inférence statistique
[Termes IGN] information sémantique
[Termes IGN] intelligence artificielle
[Termes IGN] logique floue
[Termes IGN] science des donnéesRésumé : (éditeur) With the increase in data processing and storage capacity, a large amount of data is available. Data without analysis does not have much value. Thus, the demand for data analysis is increasing daily, and the consequence is the appearance of a large number of jobs and published articles. Data science has emerged as a multidisciplinary field to support data-driven activities, integrating and developing ideas, methods, and processes to extract information from data. This includes methods built from different knowledge areas: Statistics, Computer Science, Mathematics, Physics, Information Science, and Engineering. This mixture of areas has given rise to what we call Data Science. New solutions to the new problems are reproducing rapidly to generate large volumes of data. Current and future challenges require greater care in creating new solutions that satisfy the rationality for each type of problem. Labels such as Big Data, Data Science, Machine Learning, Statistical Learning, and Artificial Intelligence are demanding more sophistication in the foundations and how they are being applied. This point highlights the importance of building the foundations of Data Science. This book is dedicated to solutions and discussions of measuring uncertainties in data analysis problems. Note de contenu : 1- An integrated approach for making inference on the number of clusters in a mixture model
2- Universal sample size invariant measures for uncertainty quantification in density estimation
3- Prior sensitivity analysis in a semi-parametric integer-valued time series model
4- The decomposition and forecasting of mutual investment funds using singular spectrum analysis
5- Channels’ confirmation and predictions’ confirmation: From the medical test to the raven paradox
6- On a class of tensor Markov fields
7- Objective Bayesian inference in probit models with intrinsic priors using variational approximations
8- A new multi-attribute emergency decision-making algorithm based on intuitionistic fuzzy cross-entropy and comprehensive grey correlation analysis
9- Cointegration and unit root tests: A fully Bayesian approach
10- A novel perspective of the Kalman filter from the Renyi entropy
11- Application of cloud model in qualitative forecasting for stock market trends
12- A novel comprehensive evaluation method for estimating the bank profile shape and dimensions of stable channels using the maximum entropy principleNuméro de notice : 28636 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/MATHEMATIQUE/SOCIETE NUMERIQUE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-0365-0793-4 En ligne : https://doi.org/10.3390/books978-3-0365-0793-4 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99694 Développement d'un modèle de macro-dynamique forestière pour simuler la dynamique des forêts françaises dans un contexte non-stationnaire / Timothée Audinot (2021)
Titre : Développement d'un modèle de macro-dynamique forestière pour simuler la dynamique des forêts françaises dans un contexte non-stationnaire Type de document : Thèse/HDR Auteurs : Timothée Audinot , Auteur ; Jean-Daniel Bontemps , Directeur de thèse ; Holger Wernsdörfer, Directeur de thèse Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2021 Autre Editeur : Nancy, Metz : Université de Lorraine Projets : MOPROF-CC / Pironon, Jacques Importance : 568 p. Note générale : thèse présentée et soutenue publiquement pour l’obtention du titre de docteur de l'Université de Lorraine dans la spécialité Biologie et écologie des forêts et agrosystèmes Langues : Français (fre) Descripteur : [Termes IGN] changement climatique
[Termes IGN] discrétisation
[Termes IGN] dynamique de la végétation
[Termes IGN] erreur systématique
[Termes IGN] grande échelle
[Termes IGN] inventaire forestier national (données France)
[Termes IGN] modélisation de la forêt
[Termes IGN] peuplement forestier
[Termes IGN] propagation d'incertitude
[Termes IGN] ressources forestières
[Termes IGN] transition écologique
[Vedettes matières IGN] Inventaire forestierIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Contexte : Depuis la révolution industrielle, les forêts européennes connaissent une dynamique d’expansion de leur surface et de leur stock de bois. Cette expansion, conjuguée au changement climatique, entraîne des modifications des processus de dynamique forestière. L’émergence de la bio-économie européenne augure dans ce contexte d’évolutions des stratégies de gestion forestière à l’échelle européenne et nationale. La simulation des ressources forestières futures et de leur pilotage par des modèles à grande échelle spatiale est donc indispensable pour fournir des outils de planification stratégique. En France, les ressources forestières se caractérisent par une diversité marquée par rapport à d’autres pays européens. Le modèle de dynamique forestière MARGOT (MAtrix model of forest Resource Growth and dynamics On the Territory scale), a été mis en place par l’inventaire forestier national (IFN) en 1993 pour simuler les ressources forestières françaises à partir des données de cet inventaire, mais n’a été l’objet que de travaux de recherche restreints depuis son origine. Ses simulations restent limitées à un horizon temporel restreint (inférieur à 30 ans), sous des scénarios de gestion de type business as usual, et ne tenant pas compte des contextes forestiers et environnementaux non-stationnaires.
Objectifs : Cette thèse a pour ambition générale de consacrer un effort de recherche de rupture sur le modèle MARGOT, afin d’aborder les enjeux forestiers actuels. Les objectifs précis sont : i) de déterminer la capacité du modèle MARGOT à restituer l’expansion forestière française sur une période rétrospective longue (1971-2016), ii) de prendre en compte de façon synthétique de l’hétérogénéité des forêts à grande échelle, iii) de prendre en compte le phénomène de densification des forêts dans la dynamique démographique, iv) d’inclure les forçages climatiques externes dans la dynamique de croissance des forêts, v) dans un contexte devenu très incertain, de pouvoir mesurer le niveau d’incertitude des simulations résultant de l’erreur d’échantillonnage de l’inventaire forestier au regard des évolutions tendancielles considérées. Le développement de scénarios de gestion forestière reste hors du champ de ce travail.
Principaux résultats : Une méthode générique de partition des forêts selon leur hétérogénéité géographique et compositionnelle a été mise en place, avec une vocation applicative à d’autres contextes forestiers européens. Une méthode de propagation de l’incertitude d’échantillonnage aux paramètres du modèle, puis aux simulations, a été développée à partir d’approches de ré-échantillonnage de données et de modélisation d’erreurs. Une approche originale d’intégration des phénomènes de densité-dépendance démographique, fondée sur une métrique de densité et la réintroduction d’un concept de « peuplement forestier » adapté à ce modèle, a été développée. Une stratégie d’intégration des forçages climatiques des paramètres démographiques du modèle a été développée à partir d’une approche d’hybridation entrées-sorties avec le modèle fonctionnel CASTANEA pour un sous-ensemble de la forêt française incluant les espèces de chênes, de hêtre, d’épicéa commun, et de pin sylvestre. L’ensemble de ces développements a permis de réduire très notablement le biais de prédiction du modèle initial.
Conclusions : Les développements consentis font du modèle MARGOT un outil d’exploration et de planification plus fiable des ressources forestières, et reposant sur une approche de modélisation originale et unique en Europe. L’utilisation de statistiques forestières anciennes permettra d’évaluer le modèle et de simuler le stock de carbone de la forêt française sur un horizon temporel plus importante (de plus de 100 ans). Une évaluation approfondie des performances de ce nouveau modèle par des simulations intensives doit être conduite.Note de contenu : 1- Introduction
2- Le modèle MARGOT et les données de l'inventaire forestier national français (IFN)
3- Nouvelles méthodes génériques pour la stratification, la paramétrisation et l'évaluation du modèle MARGOT
4- Mesure et propagation de l'incertitude d'échantillonnage de l'inventaire forestier national français sur les paramètres de MARGOT
5- Dynamique temporelle des paramètres démographiques du modèle
6- Prise en compte du climat dans le modèle MARGOT à partir de forçages du modèle fonctionnel CASTANEA
7- Introduction de la densité-dépendance dans le modèle MARGOT
8- Conclusions et perspectivesNuméro de notice : 17616 Affiliation des auteurs : LIF (2020- ) Thématique : FORET/MATHEMATIQUE Nature : Thèse française Note de thèse : thèse : Biologie et écologie des forêts et agrosystèmes : Lorraine : 2021 Organisme de stage : LIF (IGN) & SILVA nature-HAL : Thèse DOI : sans En ligne : http://docnum.univ-lorraine.fr/public/DDOC_T_2021_0179_AUDINOT.pdf Format de la ressource électronique : URL du pdf Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96956 PermalinkEvaluation de la qualité des mesures de croissance pluriannuelles des données d’inventaire forestier national en vue de leur utilisation en monitoring à haute fréquence de la production forestière / Félix Altenhoven (2021)PermalinkEvaluation du stock de carbone aérien dans la végétation à partir de multiples observations satellites micro-ondes / Martin Cubaud (2021)PermalinkUne généralisation de la méthode de partage des poids dans le cas où la base de sondage est continue / Philippe Brion (2021)PermalinkPermalinkGPS + Galileo + QZSS + BDS tightly combined single-epoch single-frequency RTK positioning / Shaolin Zhu in Survey review, vol 53 n°376 (January 2021)PermalinkHigh accuracy terrestrial positioning based on time delay and carrier phase using wideband radio signals / Han Dun (2021)PermalinkImpact of forest disturbance on InSAR surface displacement time series / Paula M. Bürgi in IEEE Transactions on geoscience and remote sensing, vol 59 n° 1 (January 2021)PermalinkPermalinkModel based signal processing techniques for nonconventional optical imaging systems / Daniele Picone (2021)Permalink