Détail de l'indexation
THESE : Thèses et HDR |
Ouvrages de la bibliothèque en indexation THESE (685)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Analyse spatio-temporelle des mobilités de randonneurs dans le PNR du Massif des Bauges / Colin Kerouanton (2020)
Titre : Analyse spatio-temporelle des mobilités de randonneurs dans le PNR du Massif des Bauges Titre original : Spatio-temporal analysis of hikers mobilities in the PNR du Massif des Bauges Type de document : Thèse/HDR Auteurs : Colin Kerouanton , Auteur ; Anne Loison, Directeur de thèse ; Clémence Perrin-Malterre, Encadrant ; Laurence Jolivet , Encadrant Editeur : Chambéry : Université de Savoie Année de publication : 2020 Importance : 277 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Savoie Mont Blanc, spécialité Biodiversité, écologie, environnementLangues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse spatio-temporelle
[Termes IGN] loisir
[Termes IGN] mobilité humaine
[Termes IGN] parc naturel régional
[Termes IGN] parc naturel régional du massif des Bauges
[Termes IGN] piéton
[Termes IGN] randonnée
[Termes IGN] trace GPS
[Termes IGN] trajet (mobilité)Index. décimale : THESE Thèses et HDR Résumé : (auteur) La grande faune de montagne est actuellement abondante, mais ses effectifs pourraient baisser si la « qualité » et la surface des habitats disponibles diminuaient, par exemple en conséquence d’une hausse des pratiques touristiques. Or, si ces pratiques se diversifient, leurs impacts sur la faune et ses attraits vis-à vis de la faune sont mal quantifiés et qualifiés. Les gestionnaires sont en manque d’informations quantifiées et cartographiées pour mettre en place des mesures de gestion des pratiques humaines. Cette thèse a pour but l’analyse spatio-temporelle des mobilités de randonneurs, enregistrées par portage de GPS. Elle s’inscrit dans une perspective inter-disciplinaire entre écologie, sociologie, géographie et géomatique. Les connaissances issues des résultats de la thèse devront être employables par les écologues pour l’étude de l’interaction Faune/Humain, mais aussi par les gestionnaires du territoire. La thèse se décline en deux parties, reprenant la définition d’une trajectoire (composée de pauses et de déplacements entre ces pauses) : (1) détecter les pauses par le biais d’un outil de géomatique, définir les paramètres de ce dernier, analyser les pauses selon les caractéristiques sociologiques des randonneurs, déterminer les espaces à forte probabilité de pause ; (2) comparer les vitesses de déplacement des randonneurs selon la pente et selon leur profil, et en déduire un modèle statistique de vitesse de marche en montagne, comparer ce modèle aux modèles déjà existants, simuler des scénarios de randonnées, analyser la variation spatio-temporelle de la fréquentation des sentiers, classifier automatiquement les trajectoires. Numéro de notice : 17614 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : BIODIVERSITE/GEOMATIQUE Nature : Thèse française Note de thèse : thèse : Biodiversité, écologie, environnement : Savoie Mont Blanc : 2020 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 15/10/2020 En ligne : https://hal.science/tel-02967697v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96169 Application of geographic Information system and remote sensing in multiple criteria analysis to identify priority areas for biodiversity conservation in Vietnam / Xuan Dinh Vu (2020)
Titre : Application of geographic Information system and remote sensing in multiple criteria analysis to identify priority areas for biodiversity conservation in Vietnam Type de document : Thèse/HDR Auteurs : Xuan Dinh Vu, Auteur Editeur : Dresde [Allemagne] : Technische Universität Dresden Année de publication : 2020 Importance : 294 p. Format : 21 x 30 cm Note générale : bibliographie
Dissertation for awarding the academic degree Doctor of Natural ScienceLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] aire protégée
[Termes IGN] classification dirigée
[Termes IGN] classification par maximum de vraisemblance
[Termes IGN] image Landsat-OLI
[Termes IGN] image Landsat-TM
[Termes IGN] image Sentinel-MSI
[Termes IGN] occupation du sol
[Termes IGN] pansharpening (fusion d'images)
[Termes IGN] processus de hiérarchisation analytique
[Termes IGN] protection de la biodiversité
[Termes IGN] réflectance de surface
[Termes IGN] série temporelle
[Termes IGN] système d'information géographique
[Termes IGN] télédétection
[Termes IGN] Viet Nam
[Termes IGN] zonage (urbanisme)Index. décimale : THESE Thèses et HDR Résumé : (auteur) There has been an increasing need for methods to define priority areas for biodiversity conservation since the effectiveness of biodiversity conservation in protected areas planning depends on available resources (human resources and funds) for the conservation. The identification of priority areas requires the integration of biodiversity data together with social data on human pressures and responses. However, the deficit of comprehensive data and reliable methods are key challenges in zoning where the demand for conservation is most urgent and where the outcomes of conservation strategies can be maximized. In order to fill this gap, the environmental model Pressure–State–Response (PSR) was applied to suggest a set of criteria to identify priority areas for biodiversity conservation. The empirical data have been compiled from 185 respondents, categorizing into three main groups: Governmental Administration, Research Institutions, and Protected Areas in Vietnam, by using a well-designed questionnaire. Then, the Analytic Hierarchy Process (AHP) theory was used to identify the weight of all criteria. These results show that three main factors could identify the priority level for biodiversity conservation: Pressure, State, and Response, with weights of 41%, 26%, and 33%, respectively. Based on the three factors, seven criteria and 17 sub-criteria were developed to determine priority areas for biodiversity conservation. In addition, this study also indicates that the groups of Governmental Administration and Protected Areas put a focus on the “Pressure” factor while the group of Research Institutions emphasized the importance of the “Response” factor in the evaluation process. Then these suggested criteria were applied by integrating with Geographic Information System (GIS) and Remote Sensing (RS) to define priority areas for biodiversity conservation in a particular conservation area (Pu Luong-Cuc Phuong area) in Vietnam. The results also reveal the proportion of very high and high priority areas, accounting for 84.9%, 96%, and 65.9% for Cuc Phuong National Park, Pu Luong Nature Reserve, and Ngoc Son Ngo Luong Nature Reserve, respectively. Based on these results, recommendations were provided to apply the developed criteria for identifying priority areas for biodiversity conservation in Vietnam. Note de contenu : 1- Introduction
2- Literature review
3- Research methodology
4- Establishment of criteria
5- Application of criteria
6- Conclusions and recommandationsNuméro de notice : 28465 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/GEOMATIQUE/IMAGERIE Nature : Thèse étrangère Note de thèse : PhD thesis : Natural Science : Dresde : 2020 DOI : sans En ligne : http://nbn-resolving.de/urn:nbn:de:bsz:14-qucosa2-737808 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99087 Application of machine learning techniques for evidential 3D perception, in the context of autonomous driving / Edouard Capellier (2020)
Titre : Application of machine learning techniques for evidential 3D perception, in the context of autonomous driving Type de document : Thèse/HDR Auteurs : Edouard Capellier, Auteur ; Véronique Berge-Cherfaoui, Directeur de thèse ; Franck Davoine, Directeur de thèse Editeur : Compiègne : Université de Technologie de Compiègne UTC Année de publication : 2020 Importance : 123 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour l'obtention du grade de Docteur de l'UTC, Robotique et Sciences et Technologies de l'Information et des SystèmesLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage automatique
[Termes IGN] apprentissage profond
[Termes IGN] carte routière
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection d'objet
[Termes IGN] données lidar
[Termes IGN] image RVB
[Termes IGN] intelligence artificielle
[Termes IGN] navigation autonome
[Termes IGN] segmentation sémantique
[Termes IGN] théorie de Dempster-Shafer
[Termes IGN] vision par ordinateur
[Termes IGN] visualisation 3DIndex. décimale : THESE Thèses et HDR Résumé : (auteur) The perception task is paramount for self-driving vehicles. Being able to extract accurate and significant information from sensor inputs is mandatory, so as to ensure a safe operation. The recent progresses of machine-learning techniques revolutionize the way perception modules, for autonomous driving, are being developed and evaluated, while allowing to vastly overpass previous state-of-the-art results in practically all the perception-related tasks. Therefore, efficient and accurate ways to model the knowledge that is used by a self-driving vehicle is mandatory. Indeed, self-awareness, and appropriate modeling of the doubts, are desirable properties for such system. In this work, we assumed that the evidence theory was an efficient way to finely model the information extracted from deep neural networks. Based on those intuitions, we developed three perception modules that rely on machine learning, and the evidence theory. Those modules were tested on real-life data. First, we proposed an asynchronous evidential occupancy grid mapping algorithm, that fused semantic segmentation results obtained from RGB images, and LIDAR scans. Its asynchronous nature makes it particularly efficient to handle sensor failures. The semantic information is used to define decay rates at the cell level, and handle potentially moving object. Then, we proposed an evidential classifier of LIDAR objects. This system is trained to distinguish between vehicles and vulnerable road users, that are detected via a clustering algorithm. The classifier can be reinterpreted as performing a fusion of simple evidential mass functions. Moreover, a simple statistical filtering scheme can be used to filter outputs of the classifier that are incoherent with regards to the training set, so as to allow the classifier to work in open world, and reject other types of objects. Finally, we investigated the possibility to perform road detection in LIDAR scans, from deep neural networks. We proposed two architectures that are inspired by recent state-of-the-art LIDAR processing systems. A training dataset was acquired and labeled in a semi-automatic fashion from road maps. A set of fused neural networks reaches satisfactory results, which allowed us to use them in an evidential road mapping and object detection algorithm, that manages to run at 10 Hz Note de contenu : 1- Introduction
2- Machine learning for perception in autonomous driving
3- The evidence theory, and its applications in autonomous driving
4- A synchronous evidential grid mapping from RGB images and LIDAR scans
5- Evidential LIDAR object classification
6- Road detection in LIDAR scans
7- Application of RoadSeg:evidential road surface mapping
8- ConclusionNuméro de notice : 25895 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Robotique et Sciences et Technologies de l'Information et des Systèmes : UTC : 2020 Organisme de stage : Laboratoire Heudiasyc nature-HAL : Thèse DOI : sans En ligne : https://hal.science/tel-02897810v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96013
Titre : Approche bayésienne pour la sélection de modèles : Application à la restauration d’image Type de document : Thèse/HDR Auteurs : Benjamin Harroué, Auteur ; Jean-François Giovannelli, Directeur de thèse ; Marcela Pereyra, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2020 Importance : 102 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur en Automatique, Productique, Signal et Image, Ingénierie cognitiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] déconvolution
[Termes IGN] échantillonnage de Gibbs
[Termes IGN] estimation bayesienne
[Termes IGN] fonction harmonique
[Termes IGN] matrice de covariance
[Termes IGN] problème inverse
[Termes IGN] processus gaussien
[Termes IGN] reconstruction d'image
[Termes IGN] restauration d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’inversion consiste à reconstruire des objets d’intérêt à partir de données acquises au travers d’un système d’observation. Dans ces travaux, nous nous penchons sur la déconvolution d’image. Les données observées constituent une version dégradée de l’objet, altéré par le système (flou et bruit). A cause de la perte d’informations engendrée, le problème devient alors mal conditionné. Une solution est de régulariser dans un cadre bayésien : en se basant sur des modèles, on introduit de l’information a priori sur les inconnues. Se posent alors les questions suivantes : comment comparer les modèles candidats et choisir le meilleur ? Sur quel critère faut-il s’appuyer ? A quelles caractéristiques ou quantités doit-on se fier ? Ces travaux présentent une méthode de comparaison et de sélection automatique de modèles, fondée sur la théorie de la décision bayésienne. La démarche consiste à sélectionner le modèle qui maximise la probabilité a posteriori. Pour calculer ces dernières, on a besoin de connaître une quantité primordiale : l’évidence. Elle s’obtient en marginalisant la loi jointe par rapport aux inconnus : l’image et les hyperparamètres. Les dépendances complexes entre les variables et la grande dimension de l’image rendent le calcul analytique de l’intégrale impossible. On a donc recours à des méthodes numériques. Dans cette première étude, on s’intéresse au cas gaussien circulant. Cela permet, d’une part, d’avoir une expression analytique de l’intégrale sur l’image, et d’autre part, de faciliter la manipulation des matrices de covariances. Plusieurs méthodes sont mises en œuvre comme l’algorithme du Chib couplé à une chaîne de Gibbs, les power posteriors, ou encore la moyenne harmonique. Les méthodes sont ensuite comparées pour déterminer lesquelles sont les plus adéquates au problème de la restauration d’image. Note de contenu : 1- Introduction
2- Sélection de modèles et calcul de l’évidence : état de l’art
3- Sélection de modèles sur observation directe
4- Sélection de modèles sur observation indirecte
5- Sélection de modèles sur données réelles
6- Conclusion : bilan et perspectivesNuméro de notice : 28558 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Automatique, Productique, Signal et Image, Ingénierie cognitique : Bordeaux : 2020 nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-03065948/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97587 Asymptotically exact data augmentation : models and Monte Carlo sampling with applications to Bayesian inference / Maxime Vono (2020)
Titre : Asymptotically exact data augmentation : models and Monte Carlo sampling with applications to Bayesian inference Type de document : Thèse/HDR Auteurs : Maxime Vono, Auteur ; Nicolas Dobigeon, Directeur de thèse ; Pierre Chainais, Auteur Editeur : Toulouse : Université de Toulouse Année de publication : 2020 Importance : 200 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, Signal, Image, Acoustique et OptimisationLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] échantillonnage
[Termes IGN] échantillonnage de Gibbs
[Termes IGN] estimation bayesienne
[Termes IGN] méthode de Monte-Carlo
[Termes IGN] méthode de Monte-Carlo par chaînes de Markov
[Termes IGN] optimisation (mathématiques)
[Termes IGN] processus gaussien
[Termes IGN] régression linéaireIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Numerous machine learning and signal/image processing tasks can be formulated as statistical inference problems. As an archetypal example, recommendation systems rely on the completion of partially observed user/item matrix, which can be conducted via the joint estimation of latent factors and activation coefficients. More formally, the object to be inferred is usually defined as the solution of a variational or stochastic optimization problem. In particular, within a Bayesian framework, this solution is defined as the minimizer of a cost function, referred to as the posterior loss. In the simple case when this function is chosen as quadratic, the Bayesian estimator is known to be the posterior mean which minimizes the mean square error and defined as an integral according to the posterior distribution. In most real-world applicative contexts, computing such integrals is not straightforward. One alternative lies in making use of Monte Carlo integration, which consists in approximating any expectation according to the posterior distribution by an empirical average involving samples from the posterior. This so-called Monte Carlo integration requires the availability of efficient algorithmic schemes able to generate samples from a desired posterior distribution. A huge literature dedicated to random variable generation has proposed various Monte Carlo algorithms. For instance, Markov chain Monte Carlo (MCMC) methods, whose particular instances are the famous Gibbs sampler and Metropolis-Hastings algorithm, define a wide class of algorithms which allow a Markov chain to be generated with the desired stationary distribution. Despite their seemingly simplicity and genericity, conventional MCMC algorithms may be computationally inefficient for large-scale, distributed and/or highly structured problems. The main objective of this thesis consists in introducing new models and related MCMC approaches to alleviate these issues. The intractability of the posterior distribution is tackled by proposing a class of approximate but asymptotically exact augmented (AXDA) models. Then, two Gibbs samplers targetting approximate posterior distributions based on the AXDA framework, are proposed and their benefits are illustrated on challenging signal processing, image processing and machine learning problems. A detailed theoretical study of the convergence rates associated to one of these two Gibbs samplers is also conducted and reveals explicit dependences with respect to the dimension, condition number of the negative log-posterior and prescribed precision. In this work, we also pay attention to the feasibility of the sampling steps involved in the proposed Gibbs samplers. Since one of this step requires to sample from a possibly high-dimensional Gaussian distribution, we review and unify existing approaches by introducing a framework which stands for the stochastic counterpart of the celebrated proximal point algorithm. This strong connection between simulation and optimization is not isolated in this thesis. Indeed, we also show that the derived Gibbs samplers share tight links with quadratic penalty methods and that the AXDA framework yields a class of envelope functions related to the Moreau one. Note de contenu : Introduction
1- Asymptotically exact data augmentation
2- Monte Carlo sampling from AXDA
3- 3A non-asymptotic convergence analysis of the Split Gibbs sampler
4- High-dimensional Gaussian sampling: A unifying approach based on a stochastic proximal point algorithm
5- Back to optimization: The tempered AXDA envelope
ConclusionNuméro de notice : 28575 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Acoustique et Optimisation : Toulouse : 2020 Organisme de stage : Institut de Recherche en Informatique de Toulouse En ligne : https://tel.archives-ouvertes.fr/tel-03143936/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97833 Caractérisation 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)Permalink