Détail de l'indexation
THESE : Thèses et HDR |
Ouvrages de la bibliothèque en indexation THESE (727)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Titre : Exploring the potential of deep learning for map generalization Type de document : Thèse/HDR Auteurs : Azelle Courtial , Auteur ; Guillaume Touya , Directeur de thèse ; Xiang Zhang, Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2023 Importance : 216 p. Note générale : bibliographie
Doctoral thesis from Université Gustave Eiffel, Doctoral school MSTIC, Specialty "Geographic information sciences"Langues : Anglais (eng) Descripteur : [Termes IGN] généralisation automatique de données
[Termes IGN] généralisation cartographique automatisée
[Termes IGN] relation spatiale
[Termes IGN] réseau antagoniste génératif
[Termes IGN] réseau neuronal profond
[Vedettes matières IGN] GénéralisationIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Map generalization is a process that aims to adapt the level of detail of geographic information for cartography at a small scale. Automating the process is complex but essential in map production. We think this research field could benefit from the recent advances in deep learning that make it possible to solve more and more complex tasks, using numerous training examples. This thesis proposes exploring the potential of deep learning for map generalization. This exploration is built upon three map generalization use cases: recognition of spatial relations, graphic generalization of mountain roads, and generalization of topographic maps at medium scales. These three use cases enable us to address research questions relative to the concrete implementation of deep learning models for map generalization (including dataset creation and architecture), the evaluation of such models and their integration in existing generalization processes. In addition to the models and training set adapted for each of our case studies already mentioned, we propose evaluation methods adapted to the challenges of cartographic generalization by deep learning. Finally, we propose a partitioning of the cartographic generalization into sub-problems facilitating the resolution by learning and allowing the generation of generalized map images. Note de contenu : Introduction
Part 1 A new paradigm for map generalization
Chapter A. Literature review
Chapter B. Formulating map generalization as a deep learning task
Chapter C. Designing a framework for deep learning based map generalization
Part 2 Exploration of deep learning for map generalization
Chapter D. Can graph neural networks model spatial relations?
Chapter E. CNN for the generalization of roads
Chapter F. The generation of topographic map with several themes
Part III The future of map generalization with deep learning
Chapter G. Usages of deep learning models for map generalization
Chapter H. Evaluation of deep learning predictions
ConclusionNuméro de notice : 17752 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Thèse française Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 05/05/2023 En ligne : https://theses.hal.science/tel-04089883v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103186 Modern vectorization and alignment of historical maps: An application to Paris Atlas (1789-1950) / Yizi Chen (2023)
Titre : Modern vectorization and alignment of historical maps: An application to Paris Atlas (1789-1950) Titre original : Vectorisation et alignement modernes des cartes historiques : Une application à l'Atlas de Paris (1789-1950) Type de document : Thèse/HDR Auteurs : Yizi Chen , Auteur ; Julien Perret , Directeur de thèse ; Joseph Chazalon, Directeur de thèse ; Clément Mallet , Directeur de thèse Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Année de publication : 2023 Importance : 124 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] alignement des données
[Termes IGN] apprentissage profond
[Termes IGN] carte ancienne
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] contraste local
[Termes IGN] extraction automatique
[Termes IGN] jeu de données localisées
[Termes IGN] morphologie mathématique
[Termes IGN] Paris (75)
[Termes IGN] plan de ville
[Termes IGN] reconnaissance de formes
[Termes IGN] vectorisation
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les cartes sont une source unique de connaissances depuis des siècles. Ces documents historiques fournissent des informations inestimables pour analyser des transformations spatiales complexes sur des périodes importantes. Cela est particulièrement vrai pour les zones urbaines qui englobent de multiples domaines de recherche imbriqués : humanités, sciences sociales, etc. La complexité des cartes (texte, bruit, artefacts de numérisation, etc.) a entravé la capacité à proposer des approches de vectorisation polyvalentes et efficaces pendant des décennies. Dans cette thèse, nous proposons une solution apprenable, reproductible et réutilisable pour la transformation automatique de cartes raster en objets vectoriels (îlots, rues, rivières), en nous focalisant sur le problème d'extraction de formes closes. Notre approche s'appuie sur la complémentarité des réseaux de neurones convolutifs qui excellent dans et de la morphologie mathématique, qui présente de solides garanties au regard de l'extraction de formes closes tout en étant très sensible au bruit. Afin d'améliorer la robustesse au bruit des filtres convolutifs, nous comparons plusieurs fonctions de coût visant spécifiquement à préserver les propriétés topologiques des résultats, et en proposons de nouvelles. À cette fin, nous introduisons également un nouveau type de couche convolutive (CConv) exploitant le contraste des images, pour explorer les possibilités de telles améliorations à l'aide de transformations architecturales des réseaux. Finalement, nous comparons les différentes approches et architectures qui peuvent être utilisées pour implémenter chaque étape de notre chaîne de traitements, et comment combiner ces dernières de la meilleure façon possible. Grâce à une chaîne de traitement fonctionnelle, nous proposons une nouvelle procédure d'alignement d'images de plans historiques, et commençons à tirer profit de la redondance des données extraites dans des images similaires pour propager des annotations, améliorer la qualité de la vectorisation, et éventuellement détecter des cas d'évolution en vue d'analyse thématique, ou encore l'estimation automatique de la qualité de la vectorisation. Afin d'évaluer la performance des méthodes mentionnées précédemment, nous avons publié un nouveau jeu de données composé d'images de plans historiques annotées. C'est le premier jeu de données en libre accès dédié à la vectorisation de plans historiques. Nous espérons qu'au travers de nos publications, et de la diffusion ouverte et publique de nos résultats, sources et jeux de données, cette recherche pourra être utile à un large éventail d'applications liées aux cartes historiques. Note de contenu : 1- Introduction
2- Pipeline design for historical map vectorization
3- Learning edges through deep neural architectures
4- Topology-aware loss functions
5- Improving model robustness of deep edge detectors
6- Leveraging redundancies of historical maps
7- Conclusion and perspectivesNuméro de notice : 10713 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Sciences géographiques : UGE : 2023 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-04106107 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103264
Titre : Signal Processing for GNSS Reflectometry Type de document : Thèse/HDR Auteurs : Corentin Lubeigt, Auteur ; Eric Chaumette, Directeur de thèse ; Jordi Vilà-Valls, Directeur de thèse Editeur : Toulouse : Institut Supérieur de l’Aéronautique et de l’Espace Année de publication : 2023 Importance : 217 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse pour obtenir le grade de Docteur de l'Université de Toulouse, Spécialité Informatique et TélécommunicationsLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] convolution (signal)
[Termes IGN] distorsion du signal
[Termes IGN] réflectométrie par GNSS
[Termes IGN] réflexion (rayonnement)
[Termes IGN] théorie de l'estimationIndex. décimale : THESE Thèses et HDR Résumé : (Auteur) Global Navigation Satellite Systems (GNSS) Reflectometry, or GNSS-R, is the study of GNSS signals reflected from the Earth’s surface. These so-called signals of opportunity, usually seen as a nuisance in standard navigation applications, contain meaningful information on the nature and relative position of the reflecting surface. Depending on the receiver platform (e.g., ground-based, airplane, satellite) and the reflecting surface itself (e.g., rough sea, lake), the reflected signal, more or less distorted, is difficult to model, and the corresponding methods to estimate the signal parameters of interest may vary. This thesis starts from the navigation multipath problem in harsh environments, which can be seen as a dual source estimation problem where the main source is the signal of interest, and the secondary one is a single reflection of the main source. Depending on the scenario and the resources at hand, it is possible i) to estimate the parameters of interest (i.e., time-delay, Doppler frequency, amplitude and phase) of both sources, or ii) to estimate only one source’s parameters, although these estimates may be biased because of the interfering source. Either way, it is necessary to know the achievable performance for these estimation problems. For this purpose, tools from the estimation theory, such as the Cramér-Rao bound (CRB), can be used. In this thesis a CRB expression was derived for the properly specified case (dual source), and the misspecified one (single source). These bounds were compared to the performance obtained with different estimators, in order to theoretically characterize the problem at hand. This study allowed to establish a clear mathematical framework that also fits the ground-based GNSS-R problem, for which the reflected signal is little distorted by the reflecting surface. In this case, the direct and reflected signals are close in time, which inevitably leads to interference, or crosstalk, and then to a clear performance degradation. Standard GNSS-R techniques, which do not perform well in this ground-based scenario, were compared to the CRB and two proposed approaches: i) a Taylor approximation of the dual source likelihood criterion when both sources are very close in time, and ii) a dual source estimation strategy to reduce or cancel the crosstalk. This part on ground-based GNSS-R was supported by a real data set, obtained from a data collection campaign organized by CNES (Toulouse, France). The problem changes slowly when the satellite elevation increases: the reflection, assumed coherent so far, turns non-coherent because of the reflecting surface roughness. The automatic detection of this transition (i.e., from coherent to non-coherent) is of great interest for future satellite missions. Reflection coherence is mainly observed by looking at the relative phase between the reflected and direct signals. Consequently, a statistical study of phase difference time series allowed to build tests that depend on the time series Gaussianity or regularity. The proposed tests were applied to a data set provided by the IEEC (Barcelona, Spain). Finally, for scenarios where the reflecting surface distorts the signal significantly, it is necessary to adapt the signal model. The approach proposed in this thesis is to consider the received signal as a convolution between the transmitted signal and the reflecting surface impulse response. This signal model goes with the derivation of the corresponding CRB and the implementation of the maximum likelihood estimator. The question of the impulse response size determination, that is, the determination of the number of pulses required to describe the impulse response, was also tackled based on hypothesis tests. Simulation results show the potential of this approach. Note de contenu :
Introduction
1. Concepts and Tools: From Estimation Theory to GNSS-R
1.1 Introduction
1.2 Background on Deterministic Estimation Theory
1.3 Global Navigation Satellite Systems
1.4 The Multipath Problem
1.5 GNSS Reflectometry
1.6 Conclusion
2. Multipath Effect and Its Impact on Positioning Performance
2.1 Introduction
2.2 MPEE for Different Multipath Mitigation Techniques
2.3 Joint Delay-Doppler Estimation Performance in a Dual Source Context
2.4 A Metric for Multipath-Robust Signal Design and Analysis
2.5 Misspecified Cramér-Rao Bounds in Multipath Scenarios
2.6 Conclusion
3. Ground-Based GNSS-R
3.1 Introduction
3.2 Gruissan Data Campaign
3.3 Crosstalk Characterization
3.4 Approximate Maximum Likelihood for Narrowband GNSS Signals
3.5 Performance on Simulated Data
3.6 Altimetry Using Wideband GNSS Signals
3.7 Conclusion
4. Towards Diffuse Scattering
4.1 Introduction
4.2 Coherence Analysis
4.3 Impulse Response Estimation
4.4 Impulse Response Size Determination: A Detection Problem
4.5 Conclusion
Conclusion and PerspectivesNuméro de notice : 26963 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique et Télécommunications : Toulouse : 2023 nature-HAL : Thèse DOI : sans Date de publication en ligne : 27/02/2023 En ligne : https://hal.science/tel-04006612v1/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102915 Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique / Thomas Bernard (2022)
Titre : Analyse haute résolution de la morphologie des paysages et des processus à partir de LiDAR aéroporté répété et simulation hydraulique Type de document : Thèse/HDR Auteurs : Thomas Bernard, Auteur ; Dimitri Lague, Directeur de thèse ; Philippe Davy, Directeur de thèse Editeur : Rennes : Université de Rennes 1 Année de publication : 2022 Importance : 253 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de Doctorat de l'Université Rennes 1, Spécialité Sciences de la Terre et de l’EnvironnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] analyse du paysage
[Termes IGN] détection de changement
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] effondrement de terrain
[Termes IGN] géomorphologie locale
[Termes IGN] modèle hydrographique
[Termes IGN] Nouvelle-Zélande
[Termes IGN] semis de points
[Termes IGN] télémétrie laser aéroportéIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’objectif fondamental de la géomorphologie est l’identification et la caractérisation des processus façonnant les paysages. En fournissant une représentation 3D haute précision et haute densité des paysages, le LiDAR aéroporté a révolutionné notre capacité à extraire des informations sur la topographie fournissant ainsi de nouvelles opportunités pour l’identification et la compréhension des processus géomorphologiques. Ce potentiel reste sous-exploité dans de nombreuses problématiques en géomorphologie du fait de l’incapacité des méthodes d’analyse actuelles à exploiter la richesse d’information fournie par le LiDAR aéroporté. Cette thèse intègre les derniers développements sur la simulation hydraulique 2D et la détection de changements 3D afin d’améliorer les méthodes d’analyse pour (i) la description de la structure des paysages fluviaux et (ii) l’identification et l’analyse géométrique des glissements de terrain à haute résolution. Les principaux résultats montrent que la simulation hydraulique 2D permet la définition d’indicateurs hydro-géomorphiques prenant pleinement en compte la structure haute résolution des écoulements de surface. Ces indicateurs permettent une meilleure identification des connexions versants-rivières et la caractérisation de la géométrie hydraulique des chenaux. L’intégration de la détection de changement 3D permet d’exploiter la structure 3D des données LiDAR pour la création d’inventaires robustes, complets et objectifs des glissements de terrain. Cette approche permet une meilleure quantification du volume des glissements de terrain en comparaison des approches traditionnelles. Note de contenu : Introduction générale
1- Etat de l'Art et problématiques
2- Apports de la simulation hydraulique 2D dans l’analyse morphologique haute résolution des paysages
3- Détection semi-automatique et analyses géométriques des glissements de terrain à partir de LiDAR aéroporté répété
4- Approche méthodologique préliminaire pour l’analyse morphodynamique des paysages à la suite de perturbations exogènes par LiDAR aéroporté répété et simulation hydraulique 2D
5- Conclusions et perspectivesNuméro de notice : 24024 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’Environnement : Rennes 1 : 2022 Organisme de stage : Géosciences DOI : sans En ligne : https://tel.hal.science/tel-03783246 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101820 Analysis of pedestrian movements and gestures using an on-board camera to predict their intentions / Joseph Gesnouin (2022)
Titre : Analysis of pedestrian movements and gestures using an on-board camera to predict their intentions Titre original : Analyse des mouvements et gestes des piétons via caméra embarquée pour la prédiction de leurs intentions Type de document : Thèse/HDR Auteurs : Joseph Gesnouin, Auteur ; Fabien Moutarde, Directeur de thèse Editeur : Paris : Université Paris Sciences et Lettres Année de publication : 2022 Importance : 171 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse de doctorat de l'Université Paris Sciences et Lettres, Préparée à MINES ParisTech, Spécialité
Informatique temps réel, robotique et automatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] attention (apprentissage automatique)
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] estimation de pose
[Termes IGN] image RVB
[Termes IGN] instrument embarqué
[Termes IGN] navigation autonome
[Termes IGN] piéton
[Termes IGN] reconnaissance de gestes
[Termes IGN] réseau neuronal de graphes
[Termes IGN] squelettisation
[Termes IGN] trajectoire (véhicule non spatial)
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The autonomous vehicle (AV) is a major challenge for the mobility of tomorrow. Progress is being made every day to achieve it; however, many problems remain to be solved to achieve a safe outcome for the most vulnerable road users (VRUs). One of the major challenge faced by AVs is the ability to efficiently drive in urban environments. Such a task requires interactions between autonomous vehicles and VRUs to resolve traffic ambiguities. In order to interact with VRUs, AVs must be able to understand their intentions and predict their incoming actions. In this dissertation, our work revolves around machine learning technology as a way to understand and predict human behaviour from visual signals and more specifically pose kinematics. Our goal is to propose an assistance system to the AV that is lightweight, scene-agnostic that could be easily implemented in any embedded devices with real-time constraints. Firstly, in the gesture and action recognition domain, we study and introduce different representations for pose kinematics, based on deep learning models as a way to efficiently leverage their spatial and temporal components while staying in an euclidean grid-space. Secondly, in the autonomous driving domain, we show that it is possible to link the posture, the walking attitude and the future behaviours of the protagonists of a scene without using the contextual information of the scene (zebra crossing, traffic light...). This allowed us to divide by a factor of 20 the inference speed of existing approaches for pedestrian intention prediction while keeping the same prediction robustness. Finally, we assess the generalization capabilities of pedestrian crossing predictors and show that the classical train-test sets evaluation for pedestrian crossing prediction, i.e., models being trained and tested on the same dataset, is not sufficient to efficiently compare nor conclude anything about their applicability in a real-world scenario. To make the research field more sustainable and representative of the real advances to come. We propose new protocols and metrics based on uncertainty estimates under domain-shift in order to reach the end-goal of pedestrian crossing behavior predictors: vehicle implementation. Note de contenu : 1- Introduction
2- Human activity recognition with pose-driven deep learning models
3- From action recognition to pedestrian discrete intention prediction
4- Assessing the generalization of pedestrian crossing predictors
5- ConclusionNuméro de notice : 24066 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique temps réel, robotique et automatique : Paris Sciences et Lettres : 2022 DOI : sans En ligne : https://tel.hal.science/tel-03813520 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102091 PermalinkApport de l’intelligence artificielle au domaine des villes intelligentes : application à l’assistance des déplacements des personnes à mobilité réduite / Nathan Aky (2022)PermalinkApport des nouveaux systèmes GNSS de cartographie du niveau marin à l’exploitation des données altimétriques en zone côtière / Clémence Chupin (2022)PermalinkApport de la télédétection et des variables auxiliaires dans l'étude de l'évolution des périodes de sécheresse / Nesrine Farhani (2022)PermalinkApprentissage profond pour l'imagerie SAR : du débruitage à l'interprétation de scène / Emanuele Dalsasso (2022)PermalinkApprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques / Jean-Yves Franceschi (2022)PermalinkAttributs de texture extraits d'images multispectrales acquises en conditions d'éclairage non contrôlées : application à l'agriculture de précision / Anis Amziane (2022)PermalinkCartographie dynamique de la topographie de l'océan de surface par assimilation de données altimétriques / Florian Le Guillou (2022)PermalinkContraintes observationnelles historiques sur la sensibilité climatique : implications pour les projections de la hausse du niveau de la mer / Jonathan Chenal (2022)PermalinkContribution to object extraction in cartography : A novel deep learning-based solution to recognise, segment and post-process the road transport network as a continuous geospatial element in high-resolution aerial orthoimagery / Calimanut-Ionut Cira (2022)PermalinkContributions of multi-temporal airborne LiDAR data to mapping carbon stocks and fluxes in tropical forests / Claudia Milena Huertas Garcia (2022)PermalinkDART: An efficient 3D Monte Carlo vector radiative transfer model for remote sensing applications / Yingjie Wang (2022)PermalinkPermalinkDeep learning based 2D and 3D object detection and tracking on monocular video in the context of autonomous vehicles / Zhujun Xu (2022)PermalinkPermalinkPermalinkPermalinkDeveloping the potential of airborne lidar systems for the sustainable management of forests / Karun Dayal (2022)PermalinkPermalinkEffets des bryophytes sur les microsites de régénération forestière en climat tempéré / Laura Chevaux (2022)PermalinkÉléments pour l'analyse et le traitement d'images : application à l'estimation de la qualité du bois / Rémy Decelle (2022)PermalinkEvaluation de méthodes automatisées de cartographie des zones inondables adaptées à la prévision des crues soudaines / Nabil Hocini (2022)PermalinkÉvaluation de la qualité des données géographiques d'OpenStreetMap à l'aide des méthodes d'apprentissage automatique : cas de la République de Djibouti / Ibrahim Maidaneh Abdi (2022)PermalinkPermalinkExploring data fusion for multi-object detection for intelligent transportation systems using deep learning / Amira Mimouna (2022)PermalinkPermalinkFrom artificial intelligence to artificial human interaction : understand consumer acceptance of smart objects via mental representations of future interactions / Mohamed Hakimi (2022)PermalinkFusion de données hyperspectrales et panchromatiques dans le domaine réflectif / Yohann Constans (2022)PermalinkPermalinkGlobal glacier mass change by spatiotemporal analysis of digital elevation models / Romain Hugonnet (2022)PermalinkGuidelines for the management of cultural heritage using 3D models for the insertion of heterogeneous data / Gianna Bertacchi (2022)PermalinkA hierarchical model for semantic trajectories and event extraction in indoor and outdoor spaces / Hassan Noureddine (2022)PermalinkPermalinkImportance des facteurs locaux climatiques et édaphiques dans la dynamique de régénération des communautés à hêtre en marge d’aire de répartition / Ludovic Lacombe (2022)PermalinkInteractive semantic segmentation of aerial images with deep neural networks / Gaston Lenczner (2022)PermalinkInvestigating the role of wind disturbance in tropical forests through a forest dynamics model and satellite observations / E-Ping Rau (2022)PermalinkLearning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)PermalinkPermalinkPermalinkModalités et rythmes d'évolution des falaises des Vaches Noires (Normandie, France) : caractérisation et quantification des dynamiques hydrogravitaires par approches multi-scalaires / Thomas Roulland (2022)PermalinkModélisation du lien entre éruptions et glissements de flancs au Piton de la Fournaise / Quentin Dumont (2022)PermalinkPermalinkModélisations des écoulements fluviaux adaptées aux observations spatiales et assimilations de données altimétriques / Thibault Malou (2022)PermalinkMonitoring forest-savanna dynamics in the Guineo-Congolian transition area of the centre region of Cameroon / Le Bienfaiteur Sagang Takougoum (2022)PermalinkMonitoring grassland dynamics by exploiting multi-modal satellite image time series / Anatol Garioud (2022)PermalinkA multipath and thermal noise joint error characterization and exploitation for low-cost GNSS PVT estimators in urban environment / Eustachio Roberto Matera (2022)PermalinkNew insights in the modeling and simulation of tree and stand level variables in Mediterranean mixed forests in the present context of climate change / Diego Rodríguez de Prado (2022)PermalinkNon-linear GNSS signal processing applied to land observation with high-rate airborne reflectometry / Hamza Issa (2022)PermalinkOptimization of deep neural networks: A functional perspective with applications in image classification / Simon Roburin (2022)PermalinkPlanification de l'aménagement des territoires et intégration des enjeux écologiques : améliorer l'application de la séquence Éviter-Réduire-Compenser par la modélisation écologique participative / Jules Boileau (2022)PermalinkPotentialité de la télédétection thermique pour la modélisation climatique en milieu viticole / Gwenaël Morin (2022)PermalinkPermalinkPermalinkRegeneration of spruce - fir - beech mixed forests under climate and ungulate pressure / Mithila Unkule (2022)PermalinkPermalinkPermalinkRobust GNSS carrier phase-based position and attitude estimation theory and applications / Daniel Arias Medina (2022)PermalinkPermalinkPermalinkSalt tectonic imaging at crustal and experimental scales by seismic migration and adjoint method / Javier Abreu-Torres (2022)PermalinkScaling up and evaluating surface reconstruction from point clouds of open scenes / Yanis Marchand (2022)PermalinkPermalinkTowards expressive graph neural networks : Theory, algorithms, and applications / Georgios Dasoulas (2022)PermalinkTowards synthetic sensing for smart cities : a machine/deep learning-based approach / Faraz Malik Awan (2022)PermalinkPermalinkUse of multi-temporal and multi-sensor data for continental water body extraction in the context of the SWOT mission / Nicolas Gasnier (2022)PermalinkPermalinkPermalink3D urban scene understanding by analysis of LiDAR, color and hyperspectral data / David Duque-Arias (2021)PermalinkAmélioration des résolutions spatiale et spectrale d’images satellitaires par réseaux antagonistes / Anaïs Gastineau (2021)PermalinkAmélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond / Yawogan Gbodjo (2021)PermalinkPermalinkApport des données satellitaires Sentinel-1 et Sentinel-2 pour la détection des surfaces irriguées et l'estimation des besoins et des consommations en eau des cultures d'été dans les zones tempérées / Yann Pageot (2021)PermalinkApport des données Sentinel-1 pour le suivi continu de la forêt tropicale : Cas de la Guyane / Marie Ballère (2021)PermalinkApport de la modélisation physique pour la cartographie de la biodiversité végétale en forêts tropicales par télédétection optique / Dav Ebengo Mwampongo (2021)PermalinkApport de la photogrammétrie et de l’intelligence artificielle à la détection des zones amiantées sur les fronts rocheux / Philippe Caudal (2021)PermalinkApport de la photogrammétrie satellite pour la modélisation du manteau neigeux / César Deschamps-Berger (2021)PermalinkApport de la télédétection pour la simulation spatialisée des composantes du bilan carbone des cultures et des effets d'atténuation biogéochimiques et biogéophysiques des cultures intermédiaires / Gaétan Pique (2021)PermalinkApports des méthodes d'apprentissage profond pour la reconnaissance automatique des modes d'occupation des sols et d'objets par télédétection en milieu tropical / Guillaume Rousset (2021)PermalinkApprentissage profond et IA pour l’amélioration de la robustesse des techniques de localisation par vision artificielle / Achref Elouni (2021)PermalinkPermalinkPermalinkBenefits from a multi-receiver architecture for GNSS RTK positioning and attitude determination / Xiao Hu (2021)PermalinkCartographie dense et compacte par vision RGB-D pour la navigation d’un robot mobile / Bruce Canovas (2021)PermalinkCharacterization of mass variations in Antarctica in response to climatic fluctuations from space-based gravimetry and radar altimetry data / Athul Kaitheri (2021)PermalinkClustering et apprentissage profond sous contraintes pour l’analyse de séries temporelles : Application à l’analyse temporelle incrémentale en télédétection / Baptiste Lafabregue (2021)PermalinkPermalinkContributions to graph-based hierarchical analysis for images and 3D point clouds / Leonardo Gigli (2021)PermalinkCorrection radiométrique et recalage de nuages de points pour la reconstruction tridimensionnelle d'oeuvres du patrimoine culturel / Nathan Sanchiz (2021)PermalinkDeep convolutional neural networks for scene understanding and motion planning for self-driving vehicles / Abdelhak Loukkal (2021)PermalinkDescription et recherche d’image généralisables pour l’interconnexion et l’analyse multi-source / Dimitri Gominski (2021)PermalinkDétection/reconnaissance d'objets urbains à partir de données 3D multicapteurs prises au niveau du sol, en continu / Younes Zegaoui (2021)PermalinkDéveloppement d'un modèle de macro-dynamique forestière pour simuler la dynamique des forêts françaises dans un contexte non-stationnaire / Timothée Audinot (2021)PermalinkPermalinkDynamics of inundation events in the rivers-estuaries-ocean continuum in Bengal delta : synergy between hydrodynamic modelling and spaceborne remote sensing / Md Jamal Uddin Kahn (2021)PermalinkEnsemble learning methods on the space of covariance matrices : application to remote sensing scene and multivariate time series classification / Sara Akodad (2021)PermalinkÉvaluation de l'évapotranspiration des zones irriguées en piémont du Haut Atlas, Maroc / Jamal Elfarkh (2021)PermalinkEvaluation of Sentinel-1 & 2 time series for the identification and characterization of ecological continuities, from wooded to crop-dominated landscapes / Audrey Mercier (2021)PermalinkÉvaluation et spatialisation du potentiel offert par les moyens d'alerte centrés sur la localisation des individus / Esteban Bopp (2021)PermalinkExploration of reinforcement learning algorithms for autonomous vehicle visual perception and control / Florence Carton (2021)PermalinkGeometric and semantic joint approach for the reconstruction of digital models of buildings / Pierre-Alain Langlois (2021)PermalinkPermalinkGeometric computer vision: omnidirectional visual and remotely sensed data analysis / Pouria Babahajiani (2021)PermalinkPermalinkHeight system unification and estimation of the lithospheric structure beneath Vietnam through high-resolution gravity field and quasigeoid modeling / Dinh Toan Vu (2021)PermalinkHigh accuracy terrestrial positioning based on time delay and carrier phase using wideband radio signals / Han Dun (2021)PermalinkInitialization methods of convolutional neural networks for detection of image manipulations / Ivan Castillo Camacho (2021)PermalinkIntégration et analyse de données massives et hétérogènes pour une observation intelligente du territoire / Rodrigue Kafando (2021)PermalinkPermalinkInteractions between oak and cervids during the process of forest regeneration / Julien Barrere (2021)PermalinkPermalinkLearning-based representations and methods for 3D shape analysis, manipulation and reconstruction / Marie-Julie Rakotosaona (2021)PermalinkPermalinkLearning disentangled representations of satellite image time series in a weakly supervised manner / Eduardo Hugo Sanchez (2021)PermalinkPermalinkLearning to translate land-cover maps: Several multi-dimensional context-wise solutions / Luc Baudoux (2021)PermalinkPermalinkMachine learning for the distributed and dynamic management of a fleet of taxis and autonomous shuttles / Tatiana Babicheva (2021)PermalinkA method of hydrographic survey technology selection based on the decision tree supervised learning / Ivana Golub Medvešek (2021)PermalinkMéthodes et outils pour l’analyse spatiale exploratoire en géolinguistique : contributions aux humanités numériques spatialisées / Clément Chagnaud (2021)PermalinkMéthodes de partage d'informations visuelles et inertielles pour la localisation et la cartographie simultanées décentralisées multi-robots / Rodolphe Dubois (2021)PermalinkPermalinkPermalinkModel based signal processing techniques for nonconventional optical imaging systems / Daniele Picone (2021)PermalinkModélisation et raisonnement spatial flou pour l’aide à la localisation de victimes en montagne / Mattia Bunel (2021)PermalinkModélisation et simulation de comportements piétons réalistes en espace partagé avec un véhicule autonome / manon Prédhumeau (2021)PermalinkPermalinkPermalinkObject detection using component-graphs and ConvNets with application to astronomical images / Thanh Xuan Nguyen (2021)PermalinkPermalinkOptimisations cartographiques pour la gestion des crises et des risques majeurs : le cas de la cartographie des dommages post-catastrophes / Thomas Candela (2021)PermalinkPerception de scène par un système multi-capteurs, application à la navigation dans des environnements d'intérieur structuré / Marwa Chakroun (2021)PermalinkPlanimetric simplification and lexicographic optimal chains for 3D urban scene reconstruction / Julien Vuillamy (2021)PermalinkPermalinkQuantification probabiliste des taux de déformation crustale par inversion bayésienne de données GPS / Colin Pagani (2021)PermalinkRange-wide demographic patterns in European forests along climatic marginality gradients : An approach using national forest inventories / Alexandre Changenet (2021)PermalinkReal-time multimodal semantic scene understanding for autonomous UGV navigation / Yifei Zhang (2021)PermalinkReconnaissance spécifique et cartographie des arbres de la canopée en forêt tropicale en Guyane française par fusion de données lidar et hyperspectrales appliquées aux besoins de la gestion forestière / Anthony Laybros (2021)PermalinkRemote sensing analysis of small scale dynamic phenomena in the atmospheric boundary layer / Kostas Cheliotis (2021)PermalinkRemotely-sensed rip current dynamics and morphological control in high-energy beach environments / Isaac Rodriguez Padilla (2021)PermalinkReprésentation sémantique de données géospatiales au service de l'analyse de changements / Jordan Dorne (2021)PermalinkPermalinkSeasonal flow variability of Greenlandic glaciers : satellite observations and numerical modeling to study driving processes / Anna Derkacheva (2021)PermalinkSpatiotemporal patterns of urbanization during the last four decades in Switzerland and their impacts on urban heat islands / Marti Bosch Padros (2021)PermalinkSpectral variability in hyperspectral unmixing : Multiscale, tensor, and neural network-based approaches / Ricardo Augusto Borsoi (2021)PermalinkStatistical analysis of vertical land motions and sea level measurements at the coast / Kevin Gobron (2021)PermalinkStudy 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)PermalinkPermalinkPermalinkPermalinkTélédétection hyperspectrale pour l’identification et la caractérisation de minéraux industriels / Ronan Rialland (2021)PermalinkTélédétection et intégration de connaissances via la modélisation spatiale pour une cartographie plus cohérente des systèmes agricoles complexes / Arthur Crespin-Boucaud (2021)PermalinkTélédétection synchronisée hyperspectrale et LiDAR à retour d’onde complet : application au suivi des littoraux sableux de la région Pays-de-la-Loire / Giovanni Frati (2021)PermalinkThe challenge of robust trait estimates with deep learning on high resolution RGB images / Etienne David (2021)PermalinkTime-series analysis of massive satellite images : Application to earth observation / Alexandre Constantin (2021)PermalinkPermalinkUsing remote sensing and modeling to monitor and understand harmful algal blooms. Application to Karaoun Reservoir (Lebanon) / Najwa Sharaf (2021)PermalinkVariabilité environnementale et botanique de la densité du bois des espèces forestières et variabilité temporelle de la biomasse aérienne des forêts françaises : une analyse sur un échantillon systématique de l’inventaire forestier national / Baptiste Kerfriden (2021)PermalinkVisual exploration of historical image collections: An interactive approach through space and time / Evelyn Paiz-Reyes (2021)PermalinkAnalyse de la distribution spatiale des implantations humaines : apports et limites d’indicateurs multi-échelles et trans-échelles / François Sémécurbe (2020)PermalinkAnalyse spatio-temporelle des mobilités de randonneurs dans le PNR du Massif des Bauges / Colin Kerouanton (2020)PermalinkApplication of geographic Information system and remote sensing in multiple criteria analysis to identify priority areas for biodiversity conservation in Vietnam / Xuan Dinh Vu (2020)PermalinkApplication of machine learning techniques for evidential 3D perception, in the context of autonomous driving / Edouard Capellier (2020)PermalinkPermalinkAsymptotically exact data augmentation : models and Monte Carlo sampling with applications to Bayesian inference / Maxime Vono (2020)PermalinkCaractérisation du manteau neigeux arctique, suivi climatique et télédétection micro-onde / Céline Vargel (2020)PermalinkCartographie des essences forestières à partir de séries temporelles d’images satellitaires à hautes résolutions : stabilité des prédictions, autocorrélation spatiale et cohérence avec la phénologie observée in situ / Nicolas Karasiak (2020)PermalinkCartographie sémantique hybride de scènes urbaines à partir de données image et Lidar / Mohamed Boussaha (2020)PermalinkPermalinkContribution à la segmentation et à la modélisation 3D du milieu urbain à partir de nuages de points / Tania Landes (2020)PermalinkConvolutional neural networks for change analysis in earth observation images with noisy labels and domain shifts / Rodrigo Caye Daudt (2020)PermalinkPermalinkPermalinkDevelopment of new homogenisation methods for GNSS atmospheric data. Application to the analysis of climate trends and variability / Annarosa Quarello (2020)PermalinkDéveloppement de la photogrammétrie et d'analyses d'images pour l'étude et le suivi d'habitats marins / Guilhem Marre (2020)PermalinkPermalinkDynamique spontanée post-tempête de la végétation forestière en contexte de changement climatique / Lucie Dietz (2020)PermalinkEstimation et suivi de la ressource en bois en France métropolitaine par valorisation des séries multi-temporelles à haute résolution spatiale d'images optiques (Sentinel-2) et radar (Sentinel-1, ALOS-PALSAR) / David Morin (2020)PermalinkPermalinkÉtude de la vapeur d’eau atmosphérique à partir de données GNSS dans le bassin sud-ouest de l’océan Indien et applications à l’étude du climat et des cyclones tropicaux / Edouard Lees (2020)PermalinkEtudes des dynamiques spatiales d’évolution de l’occupation et de l’utilisation des sols dans la fenêtre lacustre camerounaise du lac Tchad et son arrière-pays à partir des grandes sécheresses sahéliennes de 1970 / Paul Gérard Gbetkom (2020)PermalinkPermalinkFusion d'approches photométriques et géométriques pour la création de modèles 3D / Jean Mélou (2020)PermalinkFusion of 3D point clouds and hyperspectral data for the extraction of geometric and radiometric features of trees / Eduardo Alejandro Tusa Jumbo (2020)PermalinkPermalinkGlobal investigation of marine atmospheric boundary layer rolls using Sentinel-1 SAR data / Chen Wang (2020)PermalinkDe l’image optique "multi-stéréo" à la topographie très haute résolution et la cartographie automatique des failles par apprentissage profond / Lionel Matteo (2020)PermalinkImage processing applications in object detection and graph matching: from Matlab development to GPU framework / Beibei Cui (2020)PermalinkPermalinkImaging and diagnostic of sub-wavelength micro-structures, from closed-form algorithms to deep learning / Peipei Ran (2020)PermalinkInformation Géographique Volontaire, vers un usage conjoint avec l’information géographique institutionnelle / Ana-Maria Olteanu-Raimond (2020)PermalinkInteractions between hierarchical learning and visual system modeling : image classification on small datasets / Thalita Firmo Drumond (2020)PermalinkInversion de données PolSAR en bande P pour l'estimation de la biomasse forestière / Colette Gelas (2020)PermalinkPermalinkLearning and geometric approaches for automatic extraction of objects from remote sensing images / Nicolas Girard (2020)Permalink