Descripteur
Documents disponibles dans cette catégorie (12)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesEtendre la recherche sur niveau(x) vers le bas
Analyse et cartographie des sentiments dans des récits de vie de migrants / Catherine Dominguès (2017)
Titre : Analyse et cartographie des sentiments dans des récits de vie de migrants Type de document : Article/Communication Auteurs : Catherine Dominguès Editeur : Paris : HAL Année de publication : 2017 Projets : MATRICIEL / Conférence : SAGEO 2017, Spatial Analysis and GEOmatics 06/11/2017 09/11/2017 Rouen France open access proceedings Importance : 4 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] apprentissage automatique
[Termes IGN] carte thématique
[Termes IGN] immigration
[Termes IGN] récit
[Termes IGN] reconnaissance de caractères
[Termes IGN] sentiment
[Termes IGN] toponymeRésumé : (auteur) Cet article présente le projet MATRICIEL (Projet Exploratoire Premier soutien) subventionné par le CNRS et l'Université Paris-Est. Le projet est fondé sur l'analyse et la cartographie d'un corpus de récits de vie de républicains espagnols ; il s'intéresse à la migration sous l'angle des lieux décrits par les migrants dans les récits de leur vie. Le corpus a été transcrit puis annoté en lieux (noms propres et lieux génériques) et sentiments (polarité) afin de constituer des corpus d'apprentissage et de validation pour la reconnaissance des lieux et des sentiments associés. Des modèles d'apprentissage automatique pour la reconnaissance automatique des noms de lieux génériques ont été entrainés. Les sentiments associés aux lieux seront inférés à partir d'un lexique de sentiments analysé en contexte. La représentation vise une cartographie des informations sensibles liées aux lieux. Numéro de notice : C2017-018 Affiliation des auteurs : LaSTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans En ligne : https://hal.archives-ouvertes.fr/SAGEO2017/hal-01649150 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88416 Single Image Super-Resolution based on Neural Networks for text and face recognition / Clément Peyrard (2017)
Titre : Single Image Super-Resolution based on Neural Networks for text and face recognition Type de document : Thèse/HDR Auteurs : Clément Peyrard, Auteur ; Christophe Garcia, Auteur Editeur : Université de Lyon Année de publication : 2017 Autre Editeur : Lyon : Institut National des Sciences Appliquées INSA Lyon Importance : 187 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université de Lyon opérée au sein de INSA de Lyon, discipline : InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] artefact
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de visage
[Termes IGN] image à basse résolution
[Termes IGN] image à haute résolution
[Termes IGN] méthode fondée sur le noyau
[Termes IGN] reconnaissance automatique
[Termes IGN] reconnaissance de caractères
[Termes IGN] reconnaissance de formesRésumé : (auteur) This thesis is focussed on super-resolution (SR) methods for improving automatic recognition system (Optical Character Recognition, face recognition) in realistic contexts. SR methods allow to generate high resolution images from low resolution ones. Unlike upsampling methods such as interpolation, they restore spatial high frequencies and compensate artefacts such as blur or jaggy edges. In particular, example-based approaches learn and model the relationship between low and high resolution spaces via pairs of low and high resolution images. Artificial Neural Networks are among the most efficient systems to address this problem. This work demonstrate the interest of SR methods based on neural networks for improved automatic recognition systems. By adapting the data, it is possible to train such Machine Learning algorithms to produce high-resolution images. Convolutional Neural Networks are especially efficient as they are trained to simultaneously extract relevant non-linear features while learning the mapping between low and high resolution spaces. On document text images, the proposed method improves OCR accuracy by +7.85 points compared with simple interpolation. The creation of an annotated image dataset and the organisation of an international competition (ICDAR2015) highlighted the interest and the relevance of such approaches. Moreover, if a priori knowledge is available, it can be used by a suitable network architecture. For facial images, face features are critical for automatic recognition. A two step method is proposed in which image resolution is first improved, followed by specialised models that focus on the essential features. An off-the-shelf face verification system has its performance improved from +6.91 up to +8.15 points. Finally, to address the variability of real-world low-resolution images, deep neural networks allow to absorb the diversity of the blurring kernels that characterise the low-resolution images. With a single model, high-resolution images are produced with natural image statistics, without any knowledge of the actual observation model of the low-resolution image. Note de contenu : 1- Introduction
2- Definitions and application domains
3- Literature review
4- Text single image super-resolution
5- Face single image super-resolution
6- Blind and robust super-resolution
7- ConclusionNuméro de notice : 25863 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Discipline : Informatique : Lyon 2017 Organisme de stage : LIRIS nature-HAL : Thèse DOI : sans En ligne : http://www.theses.fr/2017LYSEI083 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95506
Titre : Label embedding : a frugal baseline for text recognition Type de document : Article/Communication Auteurs : Jose A. Rodriguez-Serrano, Auteur ; Albert Gordo, Auteur ; Florent Perronnin, Auteur Année de publication : 2015 Article en page(s) : pp 193 - 207 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] étiquette
[Termes IGN] image
[Termes IGN] reconnaissance de caractères
[Termes IGN] test de performanceRésumé : (Auteur) The standard approach to recognizing text in images consists in first classifying local image regions into candidate characters and then combining them with high-level word models such as conditional random fields. This paper explores a new paradigm that departs from this bottom-up view. We propose to embed word labels and word images into a common Euclidean space. Given a word image to be recognized, the text recognition problem is cast as one of retrieval: find the closest word label in this space. This common space is learned using the Structured SVM framework by enforcing matching label-image pairs to be closer than non-matching pairs. This method presents several advantages: it does not require ad-hoc or costly pre-/post-processing operations, it can build on top of any state-of-the-art image descriptor (Fisher vectors in our case), it allows for the recognition of never-seen-before words (zero-shot recognition) and the recognition process is simple and efficient, as it amounts to a nearest neighbor search. Experiments are performed on challenging datasets of license plates and scene text. The main conclusion of the paper is that with such a frugal approach it is possible to obtain results which are competitive with standard bottom-up approaches, thus establishing label embedding as an interesting and simple to compute baseline for text recognition. Numéro de notice : A2015--099 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1007%2Fs11263-014-0793-6 En ligne : https://doi.org/10.1007/s11263-014-0793-6 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=85865
in International journal of computer vision > vol 113 n° 3 (July 2015) . - pp 193 - 207[article]
Titre : Recognizing text in raster maps Type de document : Article/Communication Auteurs : Yao-Yi Chiang, Auteur ; Craig A. Knoblock, Auteur Année de publication : 2015 Article en page(s) : pp 1 - 27 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] carte ancienne
[Termes IGN] données maillées
[Termes IGN] information géographique
[Termes IGN] placement des écritures
[Termes IGN] reconnaissance de caractères
[Termes IGN] système d'information cartographique
[Termes IGN] toponymeRésumé : (auteur) Text labels in maps provide valuable geographic information by associating place names with locations. This information from historical maps is especially important since historical maps are very often the only source of past information about the earth. Recognizing the text labels is challenging because heterogeneous raster maps have varying image quality and complex map contents. In addition, the labels within a map do not follow a fixed orientation and can have various font types and sizes. Previous approaches typically handle a specific type of map or require intensive manual work. This paper presents a general approach that requires a small amount of user effort to semi-automatically recognize text labels in heterogeneous raster maps. Our approach exploits a few examples of text areas to extract text pixels and employs cartographic labeling principles to locate individual text labels. Each text label is then rotated automatically to horizontal and processed by conventional OCR software for character recognition. We compared our approach to a state-of-art commercial OCR product using 15 raster maps from 10 sources. Our evaluation shows that our approach enabled the commercial OCR product to handle raster maps and together produced significant higher text recognition accuracy than using the commercial OCR alone. Numéro de notice : A2015-484 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1007/s10707-014-0203-9 Date de publication en ligne : 21/02/2014 En ligne : https://doi.org/10.1007/s10707-014-0203-9 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=77246
in Geoinformatica [en ligne] > vol 19 n° 1 (January - March 2015) . - pp 1 - 27[article]
Titre : Real-time speed limit sign recognition based on locally adaptive thresholding and depth-first-search Type de document : Article/Communication Auteurs : J. Wu, Auteur ; Y.J. Tsai, Auteur Année de publication : 2005 Article en page(s) : pp 405 - 414 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] acquisition de données
[Termes IGN] algorithme de recherche
[Termes IGN] image vidéo
[Termes IGN] positionnement cinématique en temps réel
[Termes IGN] reconnaissance de caractères
[Termes IGN] réseau routier
[Termes IGN] segmentation d'image
[Termes IGN] seuillage d'image
[Termes IGN] signalisation routière
[Termes IGN] temps réel
[Termes IGN] Visual C++
[Termes IGN] zone d'intérêtRésumé : (Auteur) Stop signs and speed limit signs (SLS) are the most popular and significant traffic signs on roadways. Unlike extracting stop signs with a distinct red color, extracting SLS in a realtime environment is much more challenging. This paper presents an algorithm for recognizing SLS from video imaging and extracting the numerical numbers of SLS to support real-time road inventory data collection operations. The algorithm consists of color segmentation based on locally adaptive thresholding extraction of regions of interest (ROI) using a depth-first-search algorithm, followed by speed limit sign detection and speed limit number extraction by means of optical character recognition and 2D correlation. The algorithm was implemented in Visual C++ language and tested on a non-Hyper-Threading Pentium IV PC with 3.06GHZ CPU using the images taken in the field with different image sizes. The average processing time for an image of 1200 X 800 pixels is about 125 ms. Experimental results from 1,401 video images show 0 percent false positives out of 1,278 images containing no SLS, and 3 percent false negatives out of 123 images containing SLS. Numéro de notice : A2005-159 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=27297
in Photogrammetric Engineering & Remote Sensing, PERS > vol 71 n° 4 (April 2005) . - pp 405 - 414[article]Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 105-05041 RAB Revue Centre de documentation En réserve 3L Disponible 105-05042 RAB Revue Centre de documentation En réserve 3L Disponible Permalink
PermalinkPermalinkPermalinkRFIA 1989, Reconnaissance des formes et Intelligence Artificielle, 7ème Congrès RFIA, 29 novembre - 1er décembre 1989, 2. Tome 2 / Association française pour la cybernétique économique et technique (1989)
PermalinkPermalinkPermalink
