Centre dedocumentation
scientifique

Automated terrain feature identification from remote sensing imagery: a deep learning approach / Wenwen Li in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 637 - 660 Titre : Automated terrain feature identification from remote sensing imagery: a deep learning approach Type de document : Article/Communication Auteurs : Wenwen Li, Auteur ; Chia-Yu Hsu, Auteur Année de publication : 2020 Article en page(s) : pp 637 - 660 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] analyse du paysage [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de données d'images [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] détection automatique [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] intelligence artificielle Résumé : (auteur) Terrain feature detection is a fundamental task in terrain analysis and landscape scene interpretation. Discovering where a specific feature (i.e. sand dune, crater, etc.) is located and how it evolves over time is essential for understanding landform processes and their impacts on the environment, ecosystem, and human population. Traditional induction-based approaches are challenged by their inefficiency for generalizing diverse and complex terrain features as well as their performance for scalable processing of the massive geospatial data available. This paper presents a new deep learning (DL) approach to support automatic detection of terrain features from remotely sensed images. The novelty of this work lies in: (1) a terrain feature database containing 12,000 remotely sensed images (1,000 original images and 11,000 derived images from data augmentation) that supports data-driven model training and new discovery; (2) a DL-based object detection network empowered by ensemble learning and deep and deeper convolutional neural networks to achieve high-accuracy object detection; and (3) fine-tuning the model’s characteristics and behaviors to identify the best combination of hyperparameters and other network factors. The introduction of DL into geospatial applications is expected to contribute significantly to intelligent terrain analysis, landscape scene interpretation, and the maturation of spatial data science. Numéro de notice : A2020-108 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1542697 date de publication en ligne : 07/11/2018 En ligne : https://doi.org/10.1080/13658816.2018.1542697 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94708 [article]

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

Public contenu dans ArXiv / Université Cornell (Etats-Unis) (1991)   Titre : Challenging deep image descriptors for retrieval in heterogeneous iconographic collections Type de document : Article/Communication Auteurs : Dimitri Gominski, Auteur ; Martyna Poreba , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Congrès : SUMAC 2019, 1st workshop on Structuring and Understanding of Multimedia heritAge Contents (21 octobre 2019; Nice, France) , Commanditaire Editeur : New York [Etats-Unis] : Association for computing machinery ACM Année de publication : 2019 Autre Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Importance : pp 31 - 38 Format : 21 x 30 cm Note générale : bibliographie Preprint publié sur ArXiv Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] analyse visuelle [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de données d'images [Termes descripteurs IGN] collection [Termes descripteurs IGN] descripteur [Termes descripteurs IGN] données hétérogènes [Termes descripteurs IGN] exploration de données [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] iconographie [Termes descripteurs IGN] image multi sources [Termes descripteurs IGN] indexation [Termes descripteurs IGN] jeu de données [Termes descripteurs IGN] recherche d'image basée sur le contenu Résumé : (auteur) This article proposes to study the behavior of recent and efficient state-of-the-art deep-learning based image descriptors for content-based image retrieval, facing a panel of complex variations appearing in heterogeneous image datasets, in particular in cultural collections that may involve multi-source, multi-date and multi-view contents. For this purpose, we introduce a novel dataset, namely Alegoria dataset, consisting of 12,952 iconographic contents representing landscapes of the French territory, and encapsultating a large range of intra-class variations of appearance which were finely labelled. Six deep features (DELF, NetVLAD, GeM, MAC, RMAC, SPoC) and a hand-crafted local descriptor (ORB) are evaluated against these variations. Their performance are discussed, with the objective of providing the reader with research directions for improving image description techniques dedicated to complex heterogeneous datasets that are now increasingly present in topical applications targeting heritage valorization. Numéro de notice : C2019-022 Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1145/3347317.3357246 date de publication en ligne : 19/09/2019 En ligne : https://doi.org/10.1145/3347317.3357246 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93623

Voir aussi

• SUMAC 2019, 1st workshop on Structuring and Understanding of Multimedia heritAge Contents / Valérie Gouet-Brunet (2019)  

Image based rendering of large historical image collections / Evelyn Paiz-Reyes (2019)    

Public contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   Titre : Image based rendering of large historical image collections Type de document : Article/Communication Auteurs : Evelyn Paiz-Reyes, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2019 Importance : 4 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] base de données d'images [Termes descripteurs IGN] distorsion d'image [Termes descripteurs IGN] données anciennes [Termes descripteurs IGN] iconographie [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] photographie numérisée [Termes descripteurs IGN] rendu (géovisualisation) [Termes descripteurs IGN] visualisation de données [Vedettes matières IGN] Géovisualisation Résumé : (auteur) This paper states an overview of my dissertation research centered on the continuous immersive visualization and navigation through time and space of large sets of historical photographs. The research aims for: (i) the treatment of scientific obstacles (e.g. data volume, heterogeneity, distortions, and uncertainties) that appear when old pictures are placed in today’s environment; (ii) the visualization (saliently and spatially) of these photos. The main model of the study is image-based rendering IBR, because of its capacity to use imprecise or non-existent geometry (i.e. since a modern 3D scene may differ from a historical one, due to environmental changes over time). The findings of this work may contribute significantly by extending the current IBR models and providing a new innovative way to examine these massive and heterogeneous datasets. Numéro de notice : P2019-006 Thématique : IMAGERIE Nature : Preprint nature-HAL : Préprint DOI : sans date de publication en ligne : 05/11/2019 En ligne : https://hal.archives-ouvertes.fr/hal-02301561 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94167

Documents numériques

en open access Image based rendering... - pdf preprint Adobe Acrobat PDF

Réseaux de neurones convolutionnels profonds pour la détection de petits véhicules en imagerie aérienne / Jean Ogier du Terrail (2018)  

Public Titre : Réseaux de neurones convolutionnels profonds pour la détection de petits véhicules en imagerie aérienne Type de document : Thèse/HDR Auteurs : Jean Ogier du Terrail, Auteur ; Frédéric Jurie, Directeur de thèse Editeur : Caen [France] : Université de Caen Normandie Année de publication : 2018 Importance : 217 p. Format : 21 x 30 cm Note générale : bibliographie thèse pour obtenir le diplôme de Doctorat, Spécialité Informatique préparée au sein de l'Université de Caen Normandie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de données d'images [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] image aérienne à axe vertical [Termes descripteurs IGN] reconnaissance de formes [Termes descripteurs IGN] régression [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) Cette thèse présente une tentative d'approche du problème de la détection et discrimination des petits véhicules dans des images aériennes en vue verticale par l'utilisation de techniques issues de l'apprentissage profond ou "deep-learning". Le caractère spécifique du problème permet d'utiliser des techniques originales mettant à profit les invariances des automobiles et autres avions vus du ciel.Nous commencerons par une étude systématique des détecteurs dits "single-shot", pour ensuite analyser l'apport des systèmes à plusieurs étages de décision sur les performances de détection. Enfin nous essayerons de résoudre le problème de l'adaptation de domaine à travers la génération de données synthétiques toujours plus réalistes, et son utilisation dans l'apprentissage de ces détecteurs. Note de contenu : 1- Introduction à la détection d’objets dans des images aériennes 2- Détecteurs à un étage pour l’imagerie aérienne 3- Premier détecteur en cascade utilisant un mécanisme d’inférence de l’orientation des véhicules 4- Second détecteur en cascade utilisant des ancres tournantes 5- Données synthétiques et modèles génératifs pour l’entraînement des détecteurs 6- Conclusions et perspectives Numéro de notice : 25788 Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Caen : 2018 En ligne : https://tel.archives-ouvertes.fr/tel-02113872 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94999

Combination of image descriptors for the exploration of cultural photographic collections / Neelanjan Bhowmik in Journal of Electronic Imaging, vol 26 n° 1 (January - February 2017)  

Public [article]  inJournal of Electronic Imaging > vol 26 n° 1 (January - February 2017) . - pp 1 - 13 Titre : Combination of image descriptors for the exploration of cultural photographic collections Type de document : Article/Communication Auteurs : Neelanjan Bhowmik , Auteur ; Valérie Gouet-Brunet , Auteur ; Gabriel Bloch, Auteur ; Sylvain Besson, Auteur Année de publication : 2017 Projets : POEME / Gouet-Brunet, Valérie Article en page(s) : pp 1 - 13 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes descripteurs IGN] base de données d'images [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] collection [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] moteur de recherche [Termes descripteurs IGN] patrimoine culturel [Termes descripteurs IGN] photographie numérisée [Termes descripteurs IGN] régression [Termes descripteurs IGN] Web des données Résumé : (Auteur) The rapid growth of image digitization and collections in recent years makes it challenging and burdensome to organize, categorize, and retrieve similar images from voluminous collections. Content-based image retrieval (CBIR) is immensely convenient in this context. A considerable number of local feature detectors and descriptors are present in the literature of CBIR. We propose a model to anticipate the best feature combinations for image retrieval-related applications. Several spatial complementarity criteria of local feature detectors are analyzed and then engaged in a regression framework to find the optimal combination of detectors for a given dataset and are better adapted for each given image; the proposed model is also useful to optimally fix some other parameters, such as the k in k-nearest neighbor retrieval. Three public datasets of various contents and sizes are employed to evaluate the proposal, which is legitimized by improving the quality of retrieval notably facing classical approaches. Finally, the proposed image search engine is applied to the cultural photographic collections of a French museum, where it demonstrates its added value for the exploration and promotion of these contents at different levels from their archiving up to their exhibition in or ex situ. Numéro de notice : A2017-189 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1117/1.JEI.26.1.011019 date de publication en ligne : 19/12/2016 En ligne : http://dx.doi.org/10.1117/1.JEI.26.1.011019 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84799 [article]

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

Permalink

Spectral band selection for urban material classification using hyperspectral libraries / Arnaud Le Bris in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, III-7 (July 2016)  

Permalink

Indoor navigation of mobile robots based on visual memory and image-based visual servoing / Suman Raj Bista (2016)  

Permalink

Forest species recognition based on dynamic classifier selection and dissimilarity feature vector representation / J.G. Martins in Machine Vision and Applications, vol 26 n° 2-3 (April 2015)  

Permalink

Algorithms for vision-based path following along previously taught paths / Deon George Sabatta (2015)  

Permalink

Efficient fusion of multidimensional descriptors for image retrieval / Neelanjan Bhowmik (2014)    

Permalink

Manifold harmonic transform and spatial relationships for partial 3D object retrieval / Nguyen-Vu Hoang (April 2014)  

Permalink

Assessing the veracity of methods for extracting place semantics from Flickr tags / William A Mackaness in Transactions in GIS, vol 17 n° 4 (August 2013)  

Permalink

Kalideos, des images pour la science : un instrument au service des applications thématiques / T. Rabaute in Revue Française de Photogrammétrie et de Télédétection, n° 197 (Juin 2012)

Permalink

Google map : une nouvelle alternative ? / Françoise de Blomac in SIG la lettre, n° 107 (mai 2009)

Permalink