Descripteur
Termes IGN > sciences naturelles > physique > traitement d'image > analyse d'image numérique > analyse d'image orientée objet
analyse d'image orientée objetVoir aussi |
Documents disponibles dans cette catégorie (214)
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
Perception de scène par un système multi-capteurs, application à la navigation dans des environnements d'intérieur structuré / Marwa Chakroun (2021)
Titre : Perception de scène par un système multi-capteurs, application à la navigation dans des environnements d'intérieur structuré Type de document : Thèse/HDR Auteurs : Marwa Chakroun, Auteur ; Basel Solaiman, Directeur de thèse Editeur : Institut Mines-Télécom Atlantique IMT Atlantique Année de publication : 2021 Importance : 194 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Ecole Nationale Supérieure des Mines-Telecom Atlantique Bretagne Pays de la Loire, Spécialité : Signal, Image, VisionLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] analyse de scène 3D
[Termes IGN] analyse discriminante
[Termes IGN] attribut
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] détection d'objet
[Termes IGN] données multicapteurs
[Termes IGN] données multisources
[Termes IGN] image panoramique
[Termes IGN] personne non-voyante
[Termes IGN] recalage de données localisées
[Termes IGN] saillance
[Termes IGN] scène intérieure
[Termes IGN] théorie des possibilitésIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Cette thèse s’inscrit dans le cadre de la navigation perceptuelle. Notre objectif est d’étudier et de concevoir un système d’interprétation d’une scène d’environnement intérieur, observée par un système multi-capteurs réunissant un capteur ultrason et une caméra RVB. Le système proposé peut être employé pour équiper un dispositif intelligent d’assistance aux non voyants, ou encore un robot opérant dans des espaces meublés. Dans un système d’interprétation de scène, les acquisitions faites par les capteurs, présentent des restrictions du monde réel et se trouvent affectées d’imperfections, qu’il convient de prendre en compte au lieu de les ignorer. Leur prise en compte dans notre système d’interprétation a été effectuée par l’emploi de la théorie des possibilités lors de la modélisation des données acquises. Les modèles adoptés sont des distributions de possibilités. L’analyse et l’interprétation de la scène acquise s’est en suite basée sur ces connaissances possibilistes. Le système d’aide à la navigation proposé dans ce travail, présente une description de la scène environnante selon un modèle simpliste, partageant le champ intercepté par les capteurs en trois zones majeures, à savoir : face, gauche et droite. Il fournit à l’utilisateur des informations concernant la distance qui le sépare des objets détectés, la rigidité matérielle de ces objets, ainsi que leur positionnement dans la scène (objet à gauche, objet en face, objet à droite). Les performances du système d’interprétation proposé sont évaluées en utilisant le prototype "NA_System", développé par l’équipe "Cybernics team" du laboratoire "CEM_Lab" de l’École nationale d’ingénieurs de Sfax (ENIS). Les résultats obtenus sont encourageants et montrent l’efficacité de la théorie des possibilités comme cadre de représentation de données acquises de différents capteurs. La stratégie d’interprétation de scène proposée s’est montrée efficace pour intégrer les informations issues de multiples sources de connaissances. Dans la chaine de traitement de données adoptées pour l’analyse et l’interprétation de la scène, de nouvelles approches ont été proposées, notamment pour la sélection d’attributs, la détection d’objets saillants, la classification, la fusion et le recalage de données issues de deux sources. Note de contenu : 1- Cadre applicatif et théorique de l’étude
2- Développement d’outils de traitement possibilistes des données acquises pour la conception du système de navigation
3- Interprétation de scène basée sur un capteur ultrason
4- Interprétation de scène basée sur une caméra monoculaire RVB
5-Perception de scène par un système multi-capteurs, application à l’aide de navigation des déficitaires visuels
6- Conclusions et perspectivesNuméro de notice : 28687 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Image, Vision : Ecole nationale supérieure Mines-Télécom Atlantique : 2021 Organisme de stage : ITI - CEM Lab DOI : sans En ligne : https://hal.science/tel-03519333 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100052
Titre : Remote Sensing Type de document : Monographie Auteurs : Andrew Hammond, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2021 Importance : 140 p. ISBN/ISSN/EAN : 978-1-83880-978-2 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Télédétection
[Termes IGN] Amérique du sud
[Termes IGN] analyse d'image orientée objet
[Termes IGN] biomasse
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données spatiotemporelles
[Termes IGN] Enhanced vegetation index
[Termes IGN] géostatistique
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Terra-MODIS
[Termes IGN] incendie de forêt
[Termes IGN] Inde
[Termes IGN] mésosphère
[Termes IGN] précision stéréoscopique
[Termes IGN] sciences naturelles
[Termes IGN] segmentation d'image
[Termes IGN] série temporelle
[Termes IGN] stratosphère
[Termes IGN] système d'information géographique
[Termes IGN] température au sol
[Termes IGN] troposphèreIndex. décimale : 35.00 Télédétection - généralités Résumé : (Editeur) This Edited Volume is a collection of reviewed and relevant research chapters, offering a comprehensive overview of recent developments in the field of Remote Sensing. The book comprises single chapters authored by various researchers and edited by an expert active in this research area. All chapters are complete in themselves but united under a common research study topic. This publication aims at providing a thorough overview of the latest research efforts by international authors on this field of study, and open new possible research paths for further novel developments. Note de contenu : 1. Lidar Observations in South America. Part I - Mesosphere and Stratosphere
2. Lidar Observations in South America. Part II - Troposphere
3. Application of Remote Sensing in Natural Sciences
4. Assessment of Ecological Disturbance Caused by Flood and Fire in Assam Forests, India, Using MODIS Time Series Data of 2001-2011
5. Delineation of Open-Pit Mining Boundaries on Multispectral Imagery
6. Stereoscopic Precision of the Large Format Digital Cameras
7. Remote Sensing Applications in Disease MappingNuméro de notice : 26799 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.87829 Date de publication en ligne : 08/12/2021 En ligne : https://doi.org/10.5772/intechopen.87829 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100066 Study of an integrated pre-processing architecture for smart-imaging-systems, in the context of lowpower computer vision and embedded object detection / Luis Cubero Montealegre (2021)
Titre : Study of an integrated pre-processing architecture for smart-imaging-systems, in the context of lowpower computer vision and embedded object detection Type de document : Thèse/HDR Auteurs : Luis Cubero Montealegre, Auteur Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 161 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, spécialité : Nano-Electronique et Nano-TechnologiesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] approche hiérarchique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détecteur CMOS
[Termes IGN] détection d'objet
[Termes IGN] détection de contours
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] instrument embarqué
[Termes IGN] intelligence artificielle
[Termes IGN] restauration d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Embedded Computer vision, as many real application scenarios other areas of artificial intelligence, is facing hardware and power constraints with the rising of edge computing applications. For instance, the object detection problem, consisting in finding different objects of specific classes (types) in an image, turns out to be quite complicated to embed near the image sensor as two complex tasks are required: multi-scale localization and multi-class classification (i.e. identifying bounding boxes that perfectly enclose each object, whatever its size, and labeling the type of the detected object). Today these tasks are mainly often performed on general-purpose desktop machines. Nevertheless, attractive applications like autonomous-driving, augmented reality or video surveillance are urging the need for low-power, low-latency and compact low power devices.The state of the art has approached this challenge by optimizing specific sections of the complete processing-pipeline for a comparable object detection performance. A typical example in the last decade corresponds to minimizing the computing precision, hence the power, to a minimal value. Diminishing the bit-depth or image size has then been studied while implementing pre-processing steps that increase robustness against the loss in bit and image resolution. An algorithm that doesn’t require that kind of pre-processing stage to be programmable is obviously desirable in order to simplify its implementation (e.g. no memory access to learned weights). Another strategy has been to reduce power due to I/O communications amongst different chips or devices thanks to a more exhaustive integration of specialized circuitry and thanks to more efficient memory accesses and mathematical operations.In that context of near-sensor computing, this work points towards a more energy efficient detection pipeline. We target several specific key aspects:1. We try to assess if a dedicated-class-agnostic region proposal algorithm, based on pre-processed low-level features, could replace the typical sliding window approach for object localization in integrated smart imaging systems, allowing to target more efficiently objects in the image. Then, we propose a pipeline that takes into account near image sensor features extraction for Region Proposals with an embedded version of an algorithm called EdgeBoxes.2. We try to assess an optimal type of pre-processing (based on an efficient architecture) that would allow extracting low level features (oriented gradients), and give the best trade-off between power consumption, hardware complexity and object detection performance. Specifically, while being this architecture is fully compatible with region proposal algorithms beyond the sliding window.3. Finally, we try to assess if non-standard, or neuromorphic, image acquisition techniques can be exploited in order to further increase the detection efficiency in real case scenarios.Our methodology relies on behavioral simulations carried out thanks to a custom framework written in Python and C++ code. We propose a hierarchical model (and code architecture) of different image acquisition and processing techniques, and we study their performance through specific metrics related to runtime, memory usage, hardware complexity, I/O data-rate, localization performance and classification performance. We provide comparison with the state of the art and several benchmarks giving guidance to choose one or another architecture depending on the specific needs, and we conclude by stating which one would give, from our perspective, the best trade-offs. Note de contenu : 1. Introduction
2. State of the art
3. Our simulation Framework
4. Region proposals pipeline design
5. Embedded Edge Extraction Circuitry
6. Object Localization benchmarks
7. Dynamic Vision Pre-processing
8. ConclusionNuméro de notice : 28692 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Nano-Electronique et Nano-Technologies : Grenoble : 2021 Organisme de stage : LETI DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03612476/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100289 Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision / Sami Beniaouf (2021)
Titre : Suivi des vignes par télédétection de proximité : le deep learning au service de l’agriculture de précision Type de document : Mémoire Auteurs : Sami Beniaouf, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2021 Importance : 65 p. Format : 21 x 30 cm Note générale : bibliographie
Mémoire de Master PPMD Photogrammétrie, Positionnement et Mesure de DéformationLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] carte de la végétation
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] géoréférencement
[Termes IGN] image captée par drone
[Termes IGN] maladie phytosanitaire
[Termes IGN] semis de points
[Termes IGN] surveillance de la végétation
[Termes IGN] Vaud (Suisse)
[Termes IGN] viticultureIndex. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Au cours des dernières années, les progrès rapides des techniques d'apprentissage en profondeur ont considérablement accéléré l'élan de la détection d'objets, qui constitue la base de nombreuses tâches de vision par ordinateur, telles que la segmentation d'instances, la classification d'images, le suivi d'objets et bien d'autres. Ce travail s’intéresse à l’utilisation de cette technique ainsi que la photogrammétrie terrestre et la télédétection dans le domaine de la viticulture, pour l’extraction et la cartographie d’informations physiologiques lié aux vignes. Cette étude s’est orientée vers la détection de la maladie de Mildiou au moyen d’une caméra multispectrale. Le mildiou de la vigne est causé par l'organisme de type fongique Plasmopara viticola, qui se produit généralement pendant les années excessivement humides et chaudes. Le champignon provoque directement une perte de rendement par la pourriture des feuilles, des grappes et des pousses. La détection d’objets par segmentation en instances a été réalisé en utilisant le modèle d’apprentissage pré-entraîné Mask R-CNN, dont les couches de classification ont été réentraîné avec des images de vignes acquises et labélisées. La méthodologie suivie consiste en l’extraction de masques d’objets des classes d’intérêt en utilisant le modèle entraîné, qui sont ensuite importés séparément sur les images. La reconstruction du nuage de points 3D à partir d’images masquées ensuit la génération d’un nuage de point de la classe cible. En segmentant ces nuages de points par instances, le calcul des coordonnées des barycentres de ces instances sont représentés finalement sur une carte. Note de contenu :
Introduction générale
I- Introduction à la viticulture de précision
I.1- Télédétection
I.2- Optimisation du rendement
I.3- Détection de maladies
I.4- Apprentissage profond
II- Acquisition des images et méthodologie
II.1- Acquisition des images
II.2- Méthodologie
Résultats et analyseNuméro de notice : 28393 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire PPMD Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98747 Documents numériques
peut être téléchargé
Suivi des vignes par télédétection... - pdf auteur -Adobe Acrobat PDF SUMAC'21: Proceedings of the 3rd Workshop on Structuring and Understanding of Multimedia heritAge Contents / Valérie Gouet-Brunet (2021)
Titre : SUMAC'21: Proceedings of the 3rd Workshop on Structuring and Understanding of Multimedia heritAge Contents Type de document : Actes de congrès Auteurs : Valérie Gouet-Brunet , Éditeur scientifique ; Margarita Khokhlova , Éditeur scientifique ; Ronak Kosti, Éditeur scientifique ; Li Weng , Éditeur scientifique Editeur : New York [Etats-Unis] : Association for computing machinery ACM Année de publication : 2021 Conférence : SUMAC 2021, 3rd workshop on Structuring and Understanding of Multimedia heritAge Contents 20/10/2021 24/10/2021 Chengdu Chine Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] exploration d'images
[Termes IGN] image numérique
[Termes IGN] image numérisée
[Termes IGN] patrimoine culturel
[Termes IGN] recherche d'image basée sur le contenuNuméro de notice : 13912 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Actes nature-HAL : DirectOuvrColl/Actes DOI : 10.1145/3475720 En ligne : https://doi.org/10.1145/3475720 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99053 Télédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)PermalinkPermalinkUnderwater object detection and reconstruction based on active single-pixel imaging and super-resolution convolutional neural network / Mengdi Li in Sensors, vol 21 n° 1 (January 2021)PermalinkUnifying remote sensing image retrieval and classification with robust fine-tuning / Dimitri Gominski (2021)PermalinkUrban construction waste with VHR remote sensing using multi-feature analysis and a hierarchical segmentation method / Qiang Chen in Remote sensing, vol 13 n° 1 (January-1 2021)PermalinkUnderstanding the role of individual units in a deep neural network / David Bau in Proceedings of the National Academy of Sciences of the United States of America PNAS, vol 117 n° 48 (1 December 2020)PermalinkUnsupervised deep joint segmentation of multitemporal high-resolution images / Sudipan Saha in IEEE Transactions on geoscience and remote sensing, Vol 58 n° 12 (December 2020)PermalinkBayesian transfer learning for object detection in optical remote sensing images / Changsheng Zhou in IEEE Transactions on geoscience and remote sensing, vol 58 n° 11 (November 2020)PermalinkBretagne, la végétation cartographiée / Marielle Mayo in Géomètre, n° 2185 (novembre 2020)PermalinkBuilding change detection using a shape context similarity model for LiDAR data / Xuzhe Lyu in ISPRS International journal of geo-information, vol 9 n° 11 (November 2020)PermalinkUrban tree species identification and carbon stock mapping for urban green planning and management / MD Abdul Choudhury in Forests, vol 11 n°11 (November 2020)PermalinkObject-based classification of mixed forest types in Mongolia / E. Nyamjargal in Geocarto international, vol 35 n° 14 ([15/10/2020])PermalinkApplication of convolutional and recurrent neural networks for buried threat detection using ground penetrating radar data / Mahdi Moalla in IEEE Transactions on geoscience and remote sensing, vol 58 n° 10 (October 2020)PermalinkExploring multiscale object-based convolutional neural network (multi-OCNN) for remote sensing image classification at high spatial resolution / Vitor Martins in ISPRS Journal of photogrammetry and remote sensing, vol 168 (October 2020)PermalinkMapping wetland using the object-based stacked generalization method based on multi-temporal optical and SAR data / Yaotong Cai in International journal of applied Earth observation and geoinformation, vol 92 (October 2020)PermalinkApplication of UAV photogrammetry with LiDAR data to facilitate the estimation of tree locations and DBH values for high-value timber species in Northern Japanese mixed-wood forests / Kyaw Thu Moe in Remote sensing, vol 12 n° 17 (September-1 2020)PermalinkComparison of tree-based classification algorithms in mapping burned forest areas / Dilek Kucuk Matci in Geodetski vestnik, vol 64 n° 3 (September - November 2020)PermalinkCSVM architectures for pixel-wise object detection in high-resolution remote sensing images / Youyou Li in IEEE Transactions on geoscience and remote sensing, vol 58 n° 9 (September 2020)PermalinkDetecting classic Maya settlements with Lidar-derived relief visualizations / Amy E. Thompson in Remote sensing, vol 12 n° 17 (September-1 2020)PermalinkEvaluation of crop mapping on fragmented and complex slope farmlands through random forest and object-oriented analysis using unmanned aerial vehicles / Re-Yang Lee in Geocarto international, vol 35 n° 12 ([01/09/2020])Permalink