Descripteur
Termes IGN > informatique > intelligence artificielle > apprentissage automatique > apprentissage profond
apprentissage profond |
Documents disponibles dans cette catégorie (647)
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
Machine learning techniques applied to geoscience information system and remote sensing / Saro Lee (2019)
Titre : Machine learning techniques applied to geoscience information system and remote sensing Type de document : Monographie Auteurs : Saro Lee, Éditeur scientifique ; Hyung-Sup Jung, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2019 Importance : 438 p. ISBN/ISSN/EAN : ISBN 978-3-03921-215-6 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] analyse spatiale
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] géosciences
[Termes IGN] réseau neuronal convolutif
[Termes IGN] système d'information géographique
[Termes IGN] télédétection
[Termes IGN] traitement de données localiséesRésumé : (éditeur) As computer and space technologies have been developed, geoscience information systems (GIS) and remote sensing (RS) technologies, which deal with the geospatial information, have been rapidly maturing. Moreover, over the last few decades, machine learning techniques including artificial neural network (ANN), deep learning, decision tree, and support vector machine (SVM) have been successfully applied to geospatial science and engineering research fields. The machine learning techniques have been widely applied to GIS and RS research fields and have recently produced valuable results in the areas of geoscience, environment, natural hazards, and natural resources. This book is a collection representing novel contributions detailing machine learning techniques as applied to geoscience information systems and remote sensing. Numéro de notice : 25831 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Recueil / ouvrage collectif En ligne : https://www.mdpi.com/books/pdfview/book/1533 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95158 Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)
Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux , Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, AutomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] appariement de cartes
[Termes IGN] autocorrélation spatiale
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] décomposition empirique du signal
[Termes IGN] détection automatique
[Termes IGN] données GPS
[Termes IGN] modèle mathématique
[Termes IGN] navigation pédestre
[Termes IGN] ondelette de Haar
[Termes IGN] récepteur GPS
[Termes IGN] régression par quantile
[Termes IGN] réseau neuronal convolutif
[Termes IGN] sécurité routière
[Termes IGN] segmentation d'image
[Termes IGN] signalisation routière
[Termes IGN] trace GPS
[Termes IGN] vitesse de déplacementIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse
2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS
3- Comparaison des approches image et fonctionnelle en conditions expérimentale
4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel
5- Approches globales : réseaux de neurones artificiels et apprentissage structuréNuméro de notice : 25687 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/02/2020 En ligne : https://theses.hal.science/tel-02493936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716 A multi-faceted CNN architecture for automatic classification of mobile LiDAR data and an algorithm to reproduce point cloud samples for enhanced training / Bhavesh Kumar in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)
[article]
Titre : A multi-faceted CNN architecture for automatic classification of mobile LiDAR data and an algorithm to reproduce point cloud samples for enhanced training Type de document : Article/Communication Auteurs : Bhavesh Kumar, Auteur ; Gaurav Pandey, Auteur ; Bharat Lohani, Auteur ; Subhas C. Misra, Auteur Année de publication : 2019 Article en page(s) : pp 80 - 89 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] classification automatique
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] échantillonnage
[Termes IGN] image à haute résolution
[Termes IGN] précision de la classification
[Termes IGN] réseau neuronal convolutif
[Termes IGN] semis de pointsRésumé : (auteur) Mobile Laser Scanning (MLS) data of outdoor environment are typically characterised by occlusion, noise, clutter, large data size and high quantum of information which makes their classification a challenging problem. This paper presents three deep Convolutional Neural Network (CNN) architectures in three dimension (3D), namely single CNN (SCN), multi-faceted CNN (MFC) and MFC with reproduction (MFCR) for automatic classification of MLS data. The MFC uses multiple facets of an MLS sample as inputs to different SCNs, thus providing additional information during classification. The MFC, once trained, is used to reproduce additional samples with the help of existing samples. The reproduced samples are employed to further refine the MFC training parameters, thus giving a new method called MFCR. The three architectures are evaluated on an ensemble of 3D outdoor MLS data consisting of four classes, i.e. tree, pole, house and ground covered with low vegetation along with car samples from KITTI dataset. The total accuracy and kappa values of classifications reached up to (i) 86.0% and 81.3% for the SCN (ii) 94.3% and 92.4% for the MFC and (iii) 96.0% and 94.6% for the MFCR, respectively. The paper has demonstrated the use of multiple facets to significantly improve classification accuracy over the SCN. Finally, a unique approach has been developed for reproduction of samples which has shown potential to improve the accuracy of classification. Unlike previous works on the use of CNN for structured point cloud of indoor objects, this work shows the utility of different proposed CNN architectures for classification of varieties of outdoor objects, viz., tree, pole, house and ground which are captured as unstructured point cloud by MLS. Numéro de notice : A2019-034 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.11.006 Date de publication en ligne : 20/11/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.11.006 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91971
in ISPRS Journal of photogrammetry and remote sensing > vol 147 (January 2019) . - pp 80 - 89[article]Réservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2019011 RAB Revue Centre de documentation En réserve L003 Disponible 081-2019013 DEP-EXM Revue LASTIG Dépôt en unité Exclu du prêt 081-2019012 DEP-EAF Revue Nancy Dépôt en unité Exclu du prêt Multitemporal SAR images denoising and change detection : applications to Sentinel-1 data / Weiying Zhao (2019)
Titre : Multitemporal SAR images denoising and change detection : applications to Sentinel-1 data Type de document : Thèse/HDR Auteurs : Weiying Zhao, Auteur ; Florence Tupin, Directeur de thèse Editeur : Bures-sur-Yvette : Université Paris-Saclay Année de publication : 2019 Autre Editeur : Paris [France] : Télécom ParisTech Importance : 181 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat de l'Université Paris-Saclay préparée à Telecom ParisTech, Specialité de doctorat : traitement du signal et des imagesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] analyse diachronique
[Termes IGN] apprentissage profond
[Termes IGN] détection de changement
[Termes IGN] filtrage du bruit
[Termes IGN] filtrage temporel
[Termes IGN] filtre adaptatif
[Termes IGN] filtre de déchatoiement
[Termes IGN] image radar moirée
[Termes IGN] image Sentinel-SAR
[Termes IGN] radar à antenne synthétiqueIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The inherent speckle which is attached to any coherent imaging system affects the analysis and interpretation of synthetic aperture radar (SAR) images. To take advantage of well-registered multi-temporal SAR images, we improve the adaptive nonlocal temporal filter with state-of-the-art adaptive denoising methods and propose a patch based adaptive temporal filter. To address the bias problem of the denoising results, we propose a fast and efficient multitemporal despeckling method. The key idea of the proposed approach is the use of the ratio image, provided by the ratio between an image and the temporal mean of the stack. This ratio image is easier to denoise than a single image thanks to its improved stationarity. Besides, temporally stable thin structures are well-preserved thanks to the multi-temporal mean. Without reference image, we propose to use a patch-based auto-covariance residual evaluation method to examine the residual image and look for possible remaining structural contents. With speckle reduction images, we propose to use simplified generalized likelihood ratio method to detect the change area, change magnitude and change times in long series of well-registered images. Based on spectral clustering, we apply the simplified generalized likelihood ratio to detect the time series change types. Then, jet colormap and HSV colorization may be used to vividly visualize the detection results. These methods have been successfully applied to monitor farmland area, urban area, harbor region, and flooding area changes. Note de contenu : Introduction
I- Basics of SAR and used data
II- Multitemporal denoising
III- Multi-temporal images change detection
Conclusion and perspectiveNuméro de notice : 25845 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Traitement du signal et des images : Telecom ParisTech : 2019 Organisme de stage : Telecom ParisTech nature-HAL : Thèse DOI : sans En ligne : https://pastel.archives-ouvertes.fr/tel-02095817/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95253 Numérique et territoires / Philippe Cohard (2019)
Titre : Numérique et territoires Type de document : Monographie Auteurs : Philippe Cohard, Auteur ; Pierre-Emmanuel Mérand, Auteur Editeur : Presses des Mines - Transvalor Année de publication : 2019 Collection : Design numérique Sous-collection : Management des Technologies Organisationnelles Importance : 224 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-35671-508-1 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Techniques de l'information
[Termes IGN] administration
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] collectivité territoriale
[Termes IGN] culture
[Termes IGN] données massives
[Termes IGN] données ouvertes
[Termes IGN] musée
[Termes IGN] ontologie
[Termes IGN] politique publique
[Termes IGN] réseau neuronal artificiel
[Termes IGN] réseau social
[Termes IGN] santé
[Termes IGN] support numérique
[Termes IGN] technologies de l'information et de la communicationIndex. décimale : 18.30 Société de l'information Résumé : (Editeur) A l'heure où des problématiques majeures se posent aux territoires (répartition de la population, réduction budgétaire...), le recours au numérique apparaît comme la promesse d'un nouvel équilibre à la fois démographique, politique et économique. Les enjeux sont nombreux : exploitation des données, nouvelles politiques publiques, médiation numérique, nouveaux usages numériques de la culture, serious game, utilisation des ERP, etc. Ces angles d'approches enrichissent la double thématique du numérique et du territoire, au centre de ce neuvième volume de MTO. La transition numérique des territoires est engagée. Les technologies numériques offrent à ces territoires une nouvelle représentation et des solutions potentielles. Les méthodes de management liées aux technologies de l'information et l'idée d'e-territorialisation interrogent ces deux notions. Note de contenu :
1. CONTRIBUTIONS A LA RECHERCHE
- Gouvernementalité numérique des territoires : le cas des territoires ruraux
- Identification des impacts économiques d'une infrastructure de données spatiales
- Les Smart-cities : une nouvelle gouvernance pour de nouveaux territoires ?
- Hétérogénéité des politiques publiques numériques en France
- La communication stratégique des musées français sur le réseau social Weibo
2. VARIA : DATA ET MANAGEMENT
- Serious games et design science : une approche par la théorie de l'activité
- La transformation des pratiques organisationnelles, le cas d'une ETI
- ERP et métiers des contrôleurs de gestion
- Big tata analytics : réseaux de neurones et mapreduce
3. EN DIRECT DU TERRAIN
- Vers une e-territorialisation ?
- Instrumentation des décisions publiques, approche ontologique
- L'introduction mesurée du numérique dans le parcours de santé
- Territoires numériques : oxymore ?Numéro de notice : 26247 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/SOCIETE NUMERIQUE Nature : Recueil / ouvrage collectif Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94494 Réservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 26247-01 18.30 Livre Centre de documentation Sciences de l'information Disponible PermalinkProjection sur l’évolution de la distribution future de la population en utilisant du Machine Learning et de la géosimulation / Julie Grosmaire (2019)PermalinkPermalinkSegmentation d'image par intégration itérative de connaissances / Mahaman Sani Chaibou Salaou (2019)PermalinkPermalinkTime-space tradeoff in deep learning models for crop classification on satellite multi-spectral image time series / Vivien Sainte Fare Garnot (2019)PermalinkTowards visual urban scene understanding for autonomous vehicle path tracking using GPS positioning data / Citlalli Gamez Serna (2019)PermalinkPermalinkDesigning an integrated urban growth prediction model: a scenario-based approach for preserving scenic landscapes / Sepideh Saeidi in Geocarto international, vol 33 n° 12 (December 2018)PermalinkScene classification based on multiscale convolutional neural network / Yanfei Liu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 12 (December 2018)Permalink