Descripteur
Documents disponibles dans cette catégorie (164)
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
Titre : Data Acquisition and Processing in Cultural Heritage Type de document : Monographie Auteurs : Gabriele Bitelli, Auteur ; Fulvio Rinaudo, Auteur ; Diego Gonzalez-Aguilera, Auteur ; Pierre Grussenmeyer, Auteur Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 276 p. ISBN/ISSN/EAN : 978-3-03921-741-0 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] acquisition d'images
[Termes IGN] archéologie aérienne
[Termes IGN] image captée par drone
[Termes IGN] image multitemporelle
[Termes IGN] patrimoine culturel
[Termes IGN] reconstruction 3D
[Termes IGN] restauration virtuelle
[Termes IGN] télémètre laser terrestreRésumé : (Editeur) Advances in the knowledge of the tangible components (position, size, shape) and intangible components (identity, habits) of an historic building or site involves fundamental and complex tasks in any project related to the conservation of cultural heritage (CH). In recent years, new geotechnologies have proven their usefulness and added value to the field of cultural heritage (CH) in the tasks of recording, modeling, conserving, and visualizing. In addition, current developments in building information modeling (HBIM), allow integration and simulation of different sources of information, generating a digital twin of any complex CH construction. As a result, experts in the area have increased the number of available sensors and methodologies. However, the quick evolution of geospatial technologies makes it necessary to revise their use, integration, and application in CH. This process is difficult to adopt, due to the new options which are opened for the study, analysis, management, and valorization of CH. Therefore, the aim of the present Special Issue is to cover the latest relevant topics, trends, and best practices in geospatial technologies and processing methodologies for CH sites and scenarios as well as to introduce the new tendencies. This book originates from the Special Issue “Data Acquisition and Processing in Cultural Heritage”, focusing primarily on data and sensor integration for CH; documentation/restoration in CH; heritage 3D documentation and modeling of complex CH sites; drone inspections in CH; software development in CH; and augmented reality in CH. It is hoped that this book will provide the advice and guidance required for any CH professional, making the best possible use of these sensors and methods in CH. Numéro de notice : 26499 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-03921-741-0 En ligne : https://doi.org/10.3390/books978-3-03921-741-0 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97017
Titre : Extraction de caractéristiques sur des images acquises en contexte mobile : application à la reconnaissance de défauts sur ouvrages d’art Type de document : Thèse/HDR Auteurs : Yannick Faula, Auteur ; Véronique Eglin, Directeur de thèse Editeur : Lyon : Institut National des Sciences Appliquées INSA Lyon Année de publication : 2020 Importance : 168 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse de Doctorat de l'Université de Lyon opérée au sein de l’INSA de Lyon, Spécialité InformatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] appariement d'images
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] détection de changement
[Termes IGN] détection de flou
[Termes IGN] état de l'art
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image captée par drone
[Termes IGN] qualité d'image
[Termes IGN] seuillage d'image
[Termes IGN] surveillance d'ouvrage
[Termes IGN] temps réel
[Termes IGN] voie ferréeIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Le réseau ferroviaire français dispose d’une infrastructure de grande ampleur qui se compose de nombreux ouvrages d’art. Ces derniers subissent les dégradations du temps et du trafic et font donc l’objet d’une surveillance périodique pour détecter l’apparition de défauts. Aujourd’hui, cette inspection se fait en grande partie, visuellement par des opérateurs experts. Plusieurs entreprises testent de nouveaux vecteurs d’acquisition photo comme le drone, destinés à la surveillance des ouvrages de génie civil. Dans cette thèse, l’objectif principal est de développer un système capable de détecter, localiser et enregistrer d’éventuels défauts de l’ouvrage. Un grand défi est de détecter des défauts sous-pixels comme les fissures en temps réel pour améliorer l’acquisition. Pour cela, une analyse par seuillage local a été conçue pour traiter de grandes images. Cette analyse permet d’extraire des points d’intérêts (Points FLASH : Fast Local Analysis by threSHolding) où une ligne droite peut se faufiler. La mise en relation intelligente de ces points permet de détecter et localiser les fissures fines. Les résultats de détection de fissures de surfaces altérées issues d’images d’ouvrages d’art démontrent de meilleures performances en temps de calcul et robustesse que les algorithmes existants. En amont de l’étape de détection, il est également nécessaire de s’assurer que les images acquises soient de bonne qualité pour réaliser le traitement. Une mauvaise mise au point ou un flou de bougé sont à bannir. Nous avons développé une méthode réutilisant les calculs de la détection en extrayant des mesures de LocalBinaryPatterns(LBP) afin de vérifier la qualité en temps réel. Enfin, pour réaliser une acquisition permettant une reconstruction photogrammétrique, les images doivent avoir un recouvrement suffisant. Notre algorithme, réutilisant les points d’intérêts de la détection, permet un appariement simple entre deux images sans passer par des algorithmes de type RANSAC. Notre méthode est invariante en rotation, translation et à une certaine plage de changements d’échelle. Après l’acquisition, sur les images de qualité optimale, il est possible d’employer des méthodes plus coûteuses en temps comme les réseaux de neurones à convolution. Ces derniers bien qu’incapables d’assurer une détection de fissures en temps réel peuvent être utilisés pour détecter certains types d’avaries. Cependant, le manque de données impose la constitution de notre propre jeu de données. A l’aide d’approches de classification indépendante (classifieurs SVM one-class), nous avons développé un système flexible capable d’évoluer dans le temps, de détecter puis de classifier les différents types de défauts. Aucun système de ce type n’apparaît dans la littérature pour la détection de défauts sur ouvrages d’art. Les travaux réalisés sur l’extraction de caractéristiques sur des images pour la détection de défauts pourront être utiles dans d’autres applications telles que la navigation de véhicules intelligents ou le word-spotting. Note de contenu :
1. Contexte et motivations
1.1 Introduction
1.2 Contexte industriel : Inspection des ouvrages d’art
1.3 Autres domaines d’application des travaux de thèse
1.4 Contributions
1.5 Organisation du mémoire
2. Détection de défauts : les fissures
2.1 Introduction
2.2 Etat de l’art
2.3 Pré-traitement : super-résolution
2.4 Notre contribution : Les points FLASH
3. Détermination de la qualité de l’acquisition
3.1 Introduction
3.2 Etat de l’art
3.3 Détection du flou en temps réel
3.4 Evaluation pour la détection de fissures
3.5 Conclusion
4. Appariement d’images selon FLASH
4.1 Introduction
4.2 État de l’art
4.3 Contribution
4.4 Évaluation
4.5 Conclusion
5. Détection de défauts : les défauts surfaciques 87
5.1 Introduction
5.2 État de l’art sur la caractérisation de texture et la détection de défauts
5.3 Architecture proposée
5.4 Expérimentations
5.5 Spécialisation sur les éclatements de béton
5.6 Conclusion
6. Autres contributions
6.1 Introduction
6.2 Word Spotting
6.3 Détection de lignes droites et de segments orientés
6.4 Conclusion
7. Conclusion et PerspectivesNuméro de notice : 26519 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Université de Lyon : 2020 Organisme de stage : LIRIS nature-HAL : Thèse En ligne : http://theses.insa-lyon.fr/publication/2020LYSEI077/these.pdf Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97359 De l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)
Titre : De l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond Type de document : Thèse/HDR Auteurs : Lionel Matteo, Auteur Editeur : Nice : Université Côte d'Azur Année de publication : 2020 Importance : 170 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse en vue de l’obtention du grade de docteur de l'Université Côte d'Azur, en Sciences de la Terre et de l’UniversLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques
[Termes IGN] acquisition d'images
[Termes IGN] analyse comparative
[Termes IGN] apprentissage profond
[Termes IGN] Arizona (Etats-Unis)
[Termes IGN] Californie (Etats-Unis)
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données topographiques
[Termes IGN] faille géologique
[Termes IGN] fusion de données multisource
[Termes IGN] image captée par drone
[Termes IGN] image multi sources
[Termes IGN] image Pléiades-HR
[Termes IGN] MicMac
[Termes IGN] modèle de simulation
[Termes IGN] modèle numérique de surface
[Termes IGN] Nevada (Etats-Unis)
[Termes IGN] reconstruction 3D
[Termes IGN] semis de points
[Termes IGN] stéréo-orthophotographie
[Termes IGN] traitement de semis de pointsIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Les failles sismogéniques sont la source des séismes. L'étude de leurs propriétés nous informe donc sur les caractéristiques des forts séismes qu'elles peuvent produire. Les failles sont des objets 3D qui forment des réseaux complexes incluant une faille principale et une multitude de failles et fractures secondaires qui "découpent" la roche environnante à la faille principale. Mon objectif dans cette thèse a été de développer des approches pour aider à étudier cette fracturation secondaire intense. Pour identifier, cartographier et mesurer les fractures et les failles dans ces réseaux, j'ai adressé deux défis : -1) Les failles peuvent former des escarpements topographiques très pentus à la surface du sol, créant des "couloirs" ou des canyons étroits et profond où la topographie et donc, la trace des failles, peut être difficile à mesurer en utilisant des méthodologies standard (comme des acquisitions d'images satellites optiques stéréo et tri-stéréo). Pour répondre à ce défi, j'ai utilisé des acquisitions multi-stéréos avec différentes configurations (différents angles de roulis et tangage, différentes dates et modes d'acquisitions). Notre base de données constituée de 37 images Pléiades dans trois sites tectoniques différents dans l'Ouest américain (Valley of Fire, Nevada ; Granite Dells, Arizona ; Bishop Tuff, California) m'a permis de tester différentes configurations d'acquisitions pour calculer la topographie avec trois approches différentes. En utilisant la solution photogrammétrique open-source Micmac (IGN ; Rupnik et al., 2017), j'ai calculé la topographie sous la forme de Modèles Numériques de Surfaces (MNS) : (i) à partir de combinaisons de 2 à 17 images Pléiades, (ii) en fusionnant des MNS calculés individuellement à partir d'acquisitions stéréo et tri-stéréo, évitant alors l'utilisant d'acquisitions multi-dates et (iii) en fusionnant des nuages de points calculés à partir d'acquisitions tri-stéréos en suivant la méthodologie multi-vues développée par Rupnik et al. (2018). J’ai aussi combiné, dans une dernière approche (iv), des acquisitions tri-stéréos avec la méthodologie multi-vues stéréos du CNES/CMLA (CARS) développé par Michel et al. (2020), en combinant des acquisitions tri-stéréos. A partir de ces quatre approches, j'ai calculé plus de 200 MNS et mes résultats suggèrent que deux acquisitions tri-stéréos ou une acquisition stéréo combinée avec une acquisition tri-stéréo avec des angles de roulis opposés permettent de calculer les MNS avec la surface topographique la plus complète et précise. -2) Couramment, les failles sont cartographiées manuellement sur le terrain ou sur des images optiques et des données topographiques en identifiant les traces curvilinéaires qu'elles forment à la surface du sol. Néanmoins, la cartographie manuelle demande beaucoup de temps, ce qui limite notre capacité à produire cartographies et mesures complètes des réseaux de failles. Pour s'affranchir de ce problème, j'ai adopté une approche d'apprentissage profond, couramment appelé un réseau de neurones convolutifs (CNN) - U-Net, pour automatiser l'identification et la cartographie des fractures et des failles dans des images optiques et des données topographiques. Volontairement, le modèle CNN a été entraîné avec une quantité modérée de fractures et failles cartographiées manuellement à basse résolution et dans un seul type d'images optiques (photographies du sol avec des caméras classiques). A partir d'un grand nombre de tests, j'ai sélectionné le meilleur modèle, MRef et démontre sa capacité à prédire des fractures et des failles précisément dans données optiques et topographiques de différents types et différentes résolutions (photographies prises au sol, avec un drone et par satellite). Le modèle MRef montre de bonnes capacités de généralisations faisant alors de ce modèle un bon outil pour cartographie rapidement et précisément des fractures et des failles dans des images optiques et des données topographiques. Note de contenu : Introduction générale
Partie 1 - Reconstruction 3D haute résolution
1. Introduction
1.1 Les données topographiques, une solution pour analyser la surface terrestre
1.2 Le récent développement de satellites à capteur optique
1.3 La reconstruction 3D à partir d’images optiques : la photogrammétrie
1.4 Problématique du sujet
2. Acquisitions de données et sites d’études
2.1 Acquisitions d’images satellitaires
2.2 Données LiDAR aéroportées
2.3 Acquisitions d’images par drone
2.4 Acquisitions d’images par appareil photo suspendu à une perche
2.5 Acquisitions de points d’appui
2.6 Sites d’études
3. Calcul de MNS et estimation de leur performance
3.1 Micmac (IGN)
3.2 CARS (CNES/CMLA)
3.3 Quatre méthodes pour calculer des MNS
3.4 Performances des MNS
4. Résultats
4.1 MNS calculés avec des acquisitions multi-dates
4.2 Fusion de MNS calculés avec des acquisitions mono-dates
4.3 Reconstruction 3D à partir de nuage de points fusionnés
4.4 Analyses des MNS générés avec CARS
4.5 Comparaison des méthodes B, C et D dans la zone de Canyons de Valley of Fire 65
4.6 Utilisation de 1 à 4 GCPs pour calculer un MNS
4.7 Application de la méthode B aux deux autres sites
5. Discussion
5.1 La reconstruction 3D à partir d’acquisitions multi-dates
5.2 L’impact des méthodes B, C et D dans la performance des MNS finaux
5.3 Les erreurs possibles dans le calcul des erreurs du géoréférencement des MNS
5.4 La comparaison des MNS Pléiades calculés à d’autres MNS
6. Conclusions
Partie 2 - Automatic fault mapping in remote optical images and topographic data with deep learning - submitted to JGR: Solid Earth
7. Introduction
8. Image, topographic and fault data
8.1 Fault Sites
8.2 Optical image and topographic data
8.3 Fault ground truth derived from manual mapping
9. Deep learning methodology
9.1 Principles of Deep Learning and Convolutional Neural Networks
9.2 Architecture of the CNN model used in present study
9.3 Training procedure
9.4 Estimating the performance of the models
10. Defining a “reference model” MRef
10.1 Selecting the most appropriate CNN architecture
10.2 Sensitivity of model performance to training data size
10.3 Sensitivity of model performance to “quality” of training data
10.4 Refrence model
11. Detailed evaluation of reference model fault predictions
11.1 Results in sites A and B
11.2 Predictions in unseen data of similar type
11.3 Predictions in unseen data of different type
12. Discussion
12.1 U-net appropriate for fracture and fault detection in optical images
12.2 Interpreting learnt characteristics of faults and fractures
12.3 Conditions for model generalization
12.4 Uncertainties and model robustness
12.5 Recovering fault hierarchy and connectivity
13 Conclusions
Conclusion généraleNuméro de notice : 26555 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l'Univers : Côte d'Azur : 2020 Organisme de stage : Géoazur UMR 7329 - Observatoire de la Côte d'Azur nature-HAL : Thèse Date de publication en ligne : 02/06/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03245713/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97965 Individual tree detection and classification for mapping pine wilt disease using multispectral and visible color imagery acquired from unmanned aerial vehicle / Takeshi Hoshikawa in Journal of The Remote Sensing Society of Japan, vol 40 n° 1 (2020)
[article]
Titre : Individual tree detection and classification for mapping pine wilt disease using multispectral and visible color imagery acquired from unmanned aerial vehicle Type de document : Article/Communication Auteurs : Takeshi Hoshikawa, Auteur ; Kazukiyo Yamamoto, Auteur Année de publication : 2020 Article en page(s) : pp 13 - 19 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] carte de la végétation
[Termes IGN] détection d'arbres
[Termes IGN] image captée par drone
[Termes IGN] image multibande
[Termes IGN] indice de végétation
[Termes IGN] maladie phytosanitaire
[Termes IGN] modèle de régression
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] Pinus (genre)
[Termes IGN] protection des forêts
[Termes IGN] régression logistique
[Termes IGN] semis de pointsRésumé : (auteur) Pine wilt disease is one of the most destructive disease of pine forests. It is important to detect and exterminate infected trees for preservation of the forest. We demonstrated a novel method combining individual tree detection (ITD) and classification by logistic regression using unmanned aerial vehicle (UAV) images for the mapping of infected trees. In the ITD phase, 50 % and 84 % of damaged trees were automatically detected from the 3D point cloud generated from the UAV images using the local maximum filter. These rates of detection were comparable to previous studies that used UAV imagery. Subsequently, five vegetation indices calculated from multispectral and visible color (RGB) images were used. Among the vegetation indices, normalized difference vegetation index (NDVI), normalized difference red edge index (NDRE), and vegetation atmospherically resistant index (VARI) were preferable explanatory variable in the logistic regression to divide damaged and undamaged trees. The accuracy of these models ranged from 98 % to 100 % and the F-measure ranged from 94 % to 100 %. The best model, the logistic regression model using VARI as the explanatory variable, was then tested using five datasets to evaluate general performance. Each model showed explicitly high accuracy ranging from 95 % to 100 %. The best accuracy when considering the ITD and classification was 84 %. To map pine wilt disease, the proposed method is suitable for practical use due to its high-efficient and low-cost. Numéro de notice : A2020-405 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.11440/rssj.40.13 Date de publication en ligne : 31/01/2020 En ligne : https://doi.org/10.11440/rssj.40.13 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96090
in Journal of The Remote Sensing Society of Japan > vol 40 n° 1 (2020) . - pp 13 - 19[article]
Titre : Intelligent Imaging and Analysis Type de document : Monographie Auteurs : DaeEun Kim, Éditeur scientifique ; Dosik Hwang, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 492 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-03921-921-6 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] estimation de pose
[Termes IGN] image 3D
[Termes IGN] image captée par drone
[Termes IGN] imagerie médicale
[Termes IGN] reconstruction d'image
[Termes IGN] segmentation d'image
[Termes IGN] texture d'image
[Termes IGN] vision par ordinateurRésumé : (éditeur) Imaging and analysis are widely involved in various research fields, including biomedical applications, medical imaging and diagnosis, computer vision, autonomous driving, and robot controls. Imaging and analysis are now facing big changes regarding intelligence, due to the breakthroughs of artificial intelligence techniques, including deep learning. Many difficulties in image generation, reconstruction, de-noising skills, artifact removal, segmentation, detection, and control tasks are being overcome with the help of advanced artificial intelligence approaches. This Special Issue focuses on the latest developments of learning-based intelligent imaging techniques and subsequent analyses, which include photographic imaging, medical imaging, detection, segmentation, medical diagnosis, computer vision, and vision-based robot control. These latest technological developments will be shared through this Special Issue for the various researchers who are involved with imaging itself, or are using image data and analysis for their own specific purposes. Note de contenu : 1- Special features on intelligent imaging and analysis
2- Intelligent evaluation of strabismus in videos based on an automated cover test
3- Application of a real-time visualization method of AUVs in underwater visual localization
4- Volumetric tooth wear measurement of scraper conveyor sprocket using shape from
focus-based method
5- A novel self-intersection penalty term for statistical body shape models and its applications in 3D pose estimation
6- A CNN model for human parsing based on capacity optimization
7- Fast 3D semantic mapping in road scenes †
8- Automated classification analysis of geological structures based on images data and deep learning model
9- Dark spot detection in SAR images of oil spill using segnet
10- A high-resolution texture mapping technique for 3D textured model
11- Image super-resolution algorithm based on dual-channel convolutional neural networks
12- No-reference automatic quality assessment for colorfulness-adjusted, contrast-adjusted, and sharpness-adjusted images using high-dynamic-range-derived features
13- A novel one-camera-five-mirror three-dimensional imaging method for reconstructing the cavitation bubble cluster in a water hydraulic valve
14- Deep residual network with sparse feedback for image restoration
15- An image segmentation method using an active contour model based on improved SPF
and LIF
16- Image segmentation approaches for weld pool monitoring during robotic arc welding
17- A novel discriminating and relative global spatial image representation with applications in CBIR
18- Double low-rank and sparse decomposition for surface defect segmentation of steel sheet
19- A UAV-based visual inspection method for rail surface defects
20- Feature-learning-based printed circuit board inspection via speeded-up robust features and random forest
21- Research progress of visual inspection technology of steel products
22- Fine-grain segmentation of the intervertebral discs from MR spine images using deep convolutional neural networks: BSU-Net
23- Semi-automatic segmentation of vertebral bodies in MR images of human lumbar spinesNuméro de notice : 28500 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Monographie DOI : 10.3390/books978-3-03921-921-6 En ligne : https://doi.org/10.3390/books978-3-03921-921-6 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96897 On the adjustment, calibration and orientation of drone photogrammetry and laser-scanning / Emmanuel Clédat (2020)PermalinkPotential of UAV photogrammetry for characterization of forest canopy structure in uneven-aged mixed conifer–broadleaf forests / Sadeepa Jayathunga in International Journal of Remote Sensing IJRS, vol 41 n° 1 (01 - 08 janvier 2020)PermalinkRelevés par Lidar mobile de cours d’eau et intégration des profils aux relevés bathymétriques réalisés par sondeur mono-faisceau / Guillaume Didier (2020)PermalinkPermalinkSimulation and analysis of photogrammetric UAV image blocks - Influence of camera calibration error / Yilin Zhou in Remote sensing, vol 12 n° 1 (January 2020)PermalinkStreambank topography: an accuracy assessment of UAV-based and traditional 3D reconstructions / Benjamin U. Meinen in International Journal of Remote Sensing IJRS, vol 41 n° 1 (01 - 08 janvier 2020)PermalinkPermalinkApplication of photogrammetry to generate quantitative geobody data in ephemeral fluvial systems / Charlotte L. Priddy in Photogrammetric record, vol 34 n° 168 (December 2019)PermalinkCombining thermal imaging with photogrammetry of an active volcano using UAV: an example from Stromboli, Italy / Zoë E. Wakeford in Photogrammetric record, vol 34 n° 168 (December 2019)PermalinkHalf a percent of labels is enough: efficient animal detection in UAV imagery using deep CNNs and active learning / Benjamin Kellenberger in IEEE Transactions on geoscience and remote sensing, vol 57 n° 12 (December 2019)Permalink