Centre dedocumentation
scientifique

Context pyramidal network for stereo matching regularized by disparity gradients / Junhua Kang in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 157 (November 2019) . - pp 201 - 215 Titre : Context pyramidal network for stereo matching regularized by disparity gradients Type de document : Article/Communication Auteurs : Junhua Kang, Auteur ; Lin Chen, Auteur ; Fei Deng, Auteur ; Christian Heipke, Auteur Année de publication : 2019 Article en page(s) : pp 201 - 215 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] appariement de formes [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] gradient [Termes descripteurs IGN] vision par ordinateur [Termes descripteurs IGN] vision stéréoscopique Résumé : (Auteur) Also after many years of research, stereo matching remains to be a challenging task in photogrammetry and computer vision. Recent work has achieved great progress by formulating dense stereo matching as a pixel-wise learning task to be resolved with a deep convolutional neural network (CNN). However, most estimation methods, including traditional and deep learning approaches, still have difficulty to handle real-world challenging scenarios, especially those including large depth discontinuity and low texture areas. To tackle these problems, we investigate a recently proposed end-to-end disparity learning network, DispNet (Mayer et al., 2015), and improve it to yield better results in these problematic areas. The improvements consist of three major contributions. First, we use dilated convolutions to develop a context pyramidal feature extraction module. A dilated convolution expands the receptive field of view when extracting features, and aggregates more contextual information, which allows our network to be more robust in weakly textured areas. Second, we construct the matching cost volume with patch-based correlation to handle larger disparities. We also modify the basic encoder-decoder module to regress detailed disparity images with full resolution. Third, instead of using post-processing steps to impose smoothness in the presence of depth discontinuities, we incorporate disparity gradient information as a gradient regularizer into the loss function to preserve local structure details in large depth discontinuity areas. We evaluate our model in terms of end-point-error on several challenging stereo datasets including Scene Flow, Sintel and KITTI. Experimental results demonstrate that our model decreases the estimation error compared with DispNet on most datasets (e.g. we obtain an improvement of 46% on Sintel) and estimates better structure-preserving disparity maps. Moreover, our proposal also achieves competitive performance compared to other methods. Numéro de notice : A2019-496 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.012 date de publication en ligne : 27/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.012 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93729 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019111	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019113	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019112	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Automatic registration of images to untextured geometry using average shading gradients / Tobias Plötz in International journal of computer vision, vol 125 n° 1-3 (December 2017)  

Public [article]  inInternational journal of computer vision > vol 125 n° 1-3 (December 2017) . - pp 65 - 81 Titre : Automatic registration of images to untextured geometry using average shading gradients Type de document : Article/Communication Auteurs : Tobias Plötz, Auteur ; Stefan Roth, Auteur Année de publication : 2017 Article en page(s) : pp 65 - 81 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] attribut géomètrique [Termes descripteurs IGN] estimation de pose [Termes descripteurs IGN] gradient [Termes descripteurs IGN] maillage par triangles [Termes descripteurs IGN] ombre [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] superposition d'images Résumé : (Auteur) Many existing approaches for image-to-geometry registration assume that either a textured 3D model or a good initial guess of the 3D pose is available to bootstrap the registration process. In this paper we consider the registration of photographs to 3D models even when no texture information is available. This is very challenging as we cannot rely on texture gradients, and even shading gradients are hard to estimate since the lighting conditions are unknown. To that end, we propose average shading gradients, a rendering technique that estimates the average gradient magnitude over all lighting directions under Lambertian shading. We use this gradient representation as the building block of a registration pipeline based on matching sparse features. To cope with inevitable false matches due to the missing texture information and to increase robustness, the pose of the 3D model is estimated in two stages. Coarse pose hypotheses are first obtained from a single correct match each, subsequently refined using SIFT flow, and finally verified. We apply our algorithm to registering images of real-world objects to untextured 3D meshes of limited accuracy. Moreover, we show that registration can be performed even for paintings despite lacking photo-realism. Numéro de notice : A2017-813 Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1007/s11263-017-1022-x En ligne : https://doi.org/10.1007/s11263-017-1022-x Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89255 [article]

On the determination of the effect of horizontal ionospheric gradients on ranging errors in GNSS positioning / Ekaterina A. Danilogorskaya in Journal of geodesy, vol 91 n° 5 (May 2017)  

Public [article]  inJournal of geodesy > vol 91 n° 5 (May 2017) . - pp 503 – 517 Titre : On the determination of the effect of horizontal ionospheric gradients on ranging errors in GNSS positioning Type de document : Article/Communication Auteurs : Ekaterina A. Danilogorskaya, Auteur ; Nikolay N. Zernov, Auteur ; Vadim E. Gherm, Auteur ; Hal J. Strangeways, Auteur Année de publication : 2017 Article en page(s) : pp 503 – 517 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Navigation et positionnement [Termes descripteurs IGN] données GNSS [Termes descripteurs IGN] gradient [Termes descripteurs IGN] propagation ionosphérique [Termes descripteurs IGN] teneur totale en électrons Résumé : (auteur) An alternative approach to the traditionally employed method is proposed for treating the ionospheric range errors in transionospheric propagation such as for GNSS positioning or satellite-borne SAR. It enables the effects due to horizontal gradients of electron density (as well as vertical gradients) in the ionosphere to be explicitly accounted for. By contrast with many previous treatments, where the expansion of the solution for the phase advance is represented as the series in the inverse frequency powers and the main term of the expansion corresponds to the true line-of-sight distance from the transmitter to the receiver, in the alternative technique the zero-order term is the rigorous solution for a spherically layered ionosphere with any given vertical electron density profile. The first-order term represents the effects due to the horizontal gradients of the electron density of the ionosphere, and the second-order correction appears to be negligibly small for any reasonable parameters of the path of propagation and its geometry for VHF/UHF frequencies. Additionally, an “effective” spherically symmetric model of the ionosphere has been introduced, which accounts for the major contribution of the horizontal gradients of the ionosphere and provides very high accuracy in calculations of the phase advance. Numéro de notice : A2017-226 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi.org/10.1007/s00190-016-0978-6 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85107 [article]

Data science par la pratique : fondamentaux avec Python / Joël Grus (2017)

Public Titre : Data science par la pratique : fondamentaux avec Python Type de document : Guide/Manuel Auteurs : Joël Grus, Auteur ; Dominique Durand-Fleischer, Traducteur Editeur : Paris : Eyrolles Année de publication : 2017 Importance : 307 p. Format : 19 x 23 cm ISBN/ISSN/EAN : 978-2-212-11868-1 Note générale : index Langues : Français (fre) Descripteur : [Vedettes matières IGN] Informatique [Termes descripteurs IGN] algèbre linéaire [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] arbre de décision [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification bayesienne [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] classification par séparateurs à vaste marge [Termes descripteurs IGN] collecte de données [Termes descripteurs IGN] corrélation [Termes descripteurs IGN] exploration de données [Termes descripteurs IGN] gradient [Termes descripteurs IGN] inférence [Termes descripteurs IGN] plus proche voisin (algorithme) [Termes descripteurs IGN] probabilités [Termes descripteurs IGN] Python (langage de programmation) [Termes descripteurs IGN] régression linéaire [Termes descripteurs IGN] régression logistique [Termes descripteurs IGN] régression multiple [Termes descripteurs IGN] réseau neuronal artificiel [Termes descripteurs IGN] science des données [Termes descripteurs IGN] SQL [Termes descripteurs IGN] théorie des graphes [Termes descripteurs IGN] traitement du langage naturel [Termes descripteurs IGN] visualisation de données Index. décimale : 26.00 Informatique - généralités Résumé : (éditeur) Les bibliothèques, les frameworks, les modules et les boîtes à outils sont parfaits pour faire de la data science. Ils sont aussi un bon moyen de plonger dans la discipline sans comprendre la data science. Dans cet ouvrage, vous apprendrez comment fonctionnent les outils et algorithmes les plus fondamentaux de la data science, en les réalisant à partir de zéro. Si vous êtes fort en maths et que vous connaissez la programmation, l'auteur, Joël Grus, vous aidera à vous familiariser avec les maths et les statistiques qui sont au coeur de la data science et à acquérir les compétences informatiques indispensables pour démarrer comme data scientist. La profusion des données d'aujourd'hui contient les réponses aux questions que personne n'a encore pensé à poser. Ce livre vous enseigne comment obtenir ces réponses. Suivez un cours accéléré de Python. Apprenez les fondamentaux de l'algèbre linéaire, des statistiques et des probabilités, et comprenez comment et quand les utiliser en data science. Collectez, explorez, nettoyez, bricolez et manipulez les données. Plongez dans les bases de l'apprentissage automatique. Implémentez des modèles comme les k plus proches voisins, le Bayes naïf, les régressions linéaire ou logistique, les arbres de décision, les réseaux neuronaux et le clustering. Explorez les systèmes de recommandation, le traitement du langage naturel, l'analyse de réseau, MapReduce et les bases de données. Cet ouvrage s'adresse aux développeurs, statisticiens, étudiants et chefs de projet ayant à résoudre des problèmes de data science, aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art de ce métier du futur. Note de contenu : Introduction Cours accéléré de Python Visualisation des données Algèbre linéaire Statistique Probabilités Hypothèse et inférence Descente de gradient Collecte des données Travail sur les données Apprentissage automatique k plus proches voisins Classification naïve bayésienne Régression linéaire simple Régression linéaire multiple Régression logistique Arbres de décision Réseaux neuronaux Clustering Traitement automatique du langage naturel Analyse des réseaux Systèmes de recommandation Base de données et SQL MapReduce En avant pour la data science Numéro de notice : 17524 Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Manuel informatique Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90601

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
17524-01	26.00	Manuel Informatique	Centre de documentation	Informatique	Sorti jusqu'au 24/02/2020

Floristic composition and across-track reflectance gradient in Landsat images over Amazonian forests / Javier Muro in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 119 (September 2016) . - pp 361 - 372 Titre : Floristic composition and across-track reflectance gradient in Landsat images over Amazonian forests Type de document : Article/Communication Auteurs : Javier Muro, Auteur ; Jasper Van Doninck, Auteur ; Hanna Tuomisto, Auteur ; et al., Auteur Année de publication : 2016 Article en page(s) : pp 361 - 372 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] Amazonie [Termes descripteurs IGN] angle de visée [Termes descripteurs IGN] anisotropie [Termes descripteurs IGN] Brésil [Termes descripteurs IGN] composition floristique [Termes descripteurs IGN] distribution du coefficient de réflexion bidirectionnelle BRDF [Termes descripteurs IGN] forêt primaire [Termes descripteurs IGN] forêt tropicale [Termes descripteurs IGN] gradient [Termes descripteurs IGN] image Landsat-ETM+ [Termes descripteurs IGN] Pérou [Termes descripteurs IGN] réflectance végétale Résumé : (Auteur) Remotely sensed image interpretation or classification of tropical forests can be severely hampered by the effects of the bidirectional reflection distribution function (BRDF). Even for narrow swath sensors like Landsat TM/ETM+, the influence of reflectance anisotropy can be sufficiently strong to introduce a cross-track reflectance gradient. If the BRDF could be assumed to be linear for the limited swath of Landsat, it would be possible to remove this gradient during image preprocessing using a simple empirical method. However, the existence of natural gradients in reflectance caused by spatial variation in floristic composition of the forest can restrict the applicability of such simple corrections. Here we use floristic information over Peruvian and Brazilian Amazonia acquired through field surveys, complemented with information from geological maps, to investigate the interaction of real floristic gradients and the effect of reflectance anisotropy on the observed reflectances in Landsat data. In addition, we test the assumption of linearity of the BRDF for a limited swath width, and whether different primary non-inundated forest types are characterized by different magnitudes of the directional reflectance gradient. Our results show that a linear function is adequate to empirically correct for view angle effects, and that the magnitude of the across-track reflectance gradient is independent of floristic composition in the non-inundated forests we studied. This makes a routine correction of view angle effects possible. However, floristic variation complicates the issue, because different forest types have different mean reflectances. This must be taken into account when deriving the correction function in order to avoid eliminating natural gradients. Numéro de notice : A2016-788 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern En ligne : http://dx.doi.org/10.1016/j.isprsjprs.2016.06.016 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82503 [article]

A methodology for near real-time change detection between Unmanned Aerial Vehicle and wide area satellite images / Anastasios L. Fytsilis in ISPRS Journal of photogrammetry and remote sensing, vol 119 (September 2016)  

Permalink

Genetic differentiation of European larch along an altitudinal gradient in the French Alps / Maxime Nardin in Annals of Forest Science [en ligne], vol 72 n° 5 (July 2015)  

Permalink

Un approche esthétique pour l'enseignement de la composition de gradients colorés / Laurent Jégou in Cartes & Géomatique, n° 222 (décembre 2014)

Permalink

A fast volume-gradient-based band selection method for hyperspectral image / X. Geng in IEEE Transactions on geoscience and remote sensing, vol 52 n° 11 tome 1 (November 2014)

Permalink

Bi-temporal texton forest for land cover transition detection on remotely sensed imagery / Zhen Lei in IEEE Transactions on geoscience and remote sensing, vol 52 n° 2 (February 2014)  

Permalink

A spectral gradient difference based approach for land cover change detection / Jun Chen in ISPRS Journal of photogrammetry and remote sensing, vol 85 (November 2013)

Permalink

Towards a 1 mGal accuracy and 1 min resolution altimetry gravity field / Lifeng Bao in Journal of geodesy, vol 87 n° 10-12 (October - December 2013)  

Permalink

Topological gradient connection analysis for feature detection / Chao-Yuan Lo in Photogrammetric record, vol 28 n° 141 (March - May 2013)  

Permalink

A variational gradient-based fusion method for visible and SWIR imagery / H. Li in Photogrammetric Engineering & Remote Sensing, PERS, vol 78 n° 9 (September 2012)  

Permalink

Wind resource assessment from C-band SAR / M.B. Christiansen in Remote sensing of environment, vol 105 n° 1 (15/11/2006)

Permalink