Détail de l'indexation
THESE : Thèses et HDR |
Ouvrages de la bibliothèque en indexation THESE (552)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond / Yawogan Gbodjo (2021)
Titre : Amélioration des systèmes de suivi des cultures à l’aide de la télédétection multi-source et des techniques d’apprentissage profond Type de document : Thèse/HDR Auteurs : Yawogan Gbodjo, Auteur ; Dino Lenco, Directeur de thèse Editeur : Montpellier : Université de Montpellier Année de publication : 2021 Importance : 165 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse soutenue pour obtenir le grade de Docteur en Informatique de l'Université de MontpellierLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] classification dirigée
[Termes IGN] classification par Perceptron multicouche
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] classification par réseau neuronal récurrent
[Termes IGN] image PlanetScope
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] indice de végétation
[Termes IGN] occupation du sol
[Termes IGN] production agricole
[Termes IGN] rendement agricole
[Termes IGN] série temporelle
[Termes IGN] surface cultivéeIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les systèmes de suivi des cultures jouent un rôle essentiel dans l'évaluation de la production agricole dans le monde. De nos jours, la disponibilité de plusieurs sources d'information satellitaire à large échelle, à haute résolution spatiale et à forte répétitivité temporelle, conjointe à l'essor des techniques d'apprentissage profond, offrent de nouvelles perspectives aux systèmes de suivi des cultures pour l'évaluation de la production agricole. Dans cette thèse, nous explorons des pistes méthodologiques pour améliorer le suivi de la production agricole à partir de la télédétection multi-source et des techniques d'apprentissage profond. Nous proposons deux méthodes pour caractériser l'occupation du sol et identifier les surfaces cultivées. La première approche est basée sur des réseaux de neurones récurrents équipés de mécanismes d'attention, employant des séries temporelles multi-sources radar et optique ainsi que des connaissances spécifiques de domaine. La seconde approche repose sur des réseaux de neurones convolutifs et explore davantage la combinaison multi-source et surtout multi-échelle grâce à l'intégration d'une source optique à très haute résolution spatiale. Nous évaluons ces méthodes à des échelles territoriale et locale en ayant systématiquement un regard croisé sur des sites d'études contrastés en agriculture conventionnelle et petite agriculture familiale. Nous menons également un travail d'investigation sur l'estimation et la prévision des rendements des surfaces cultivées, à l'échelle locale de la petite agriculture familiale en employant des séries temporelles multi-sources radar et optique. Dans ce contexte en outre limité par la disponibilité de données de référence, nous évaluons le potentiel de méthodes d'apprentissage profond par rapport à des approches traditionnellement utilisées. Globalement, l'évaluation des approches proposées pour identifier les surfaces cultivées montre que les techniques d'apprentissage profond semblent mieux adaptées que les méthodes traditionnelles d'apprentissage automatique pour tirer parti de la complémentarité des données multi-sources, multi-temporelles et multi-échelles à mesure qu'il y ait une quantité suffisante de données pour leur entraînement supervisé. Le travail d'investigation réalisé pour l'estimation et la prévision des rendements n'a par contre pas révélé de plus-value manifeste dans l'emploi de ces méthodes. Dans ce dernier cas, le contexte limité en données d'entraînement semble en être la principale explication. Note de contenu : Introduction
1- Télédétection et apprentissage automatique
2- Sites d’étude et données utilisées
3- Caractérisation de l’occupation du sol
4- Suivi des rendements en petite agriculture familiale
Conclusion et PerspectivesNuméro de notice : 15240 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Montpellier : 2021 Organisme de stage : TETIS DOI : sans En ligne : https://tel.hal.science/tel-03589421/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100474
Titre : Analyzing and improving Graph Neural Networks Type de document : Thèse/HDR Auteurs : Guillaume Renton, Auteur ; Sébastien Adam, Auteur Editeur : Université de Rouen Année de publication : 2021 Importance : 130 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le diplôme de Doctorat de l'Université de Rouen Normandie, spécialité InformatiqueLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] filtre passe-bande
[Termes IGN] filtre spectral
[Termes IGN] noeud
[Termes IGN] réseau neuronal de graphes
[Termes IGN] théorie des graphes
[Termes IGN] transformation de Laplace
[Termes IGN] transformation inverseIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Although theorised about fifteen years ago, the scientific community’s interest for graph neural networks has only really taken off recently. Those models aim to transpose the representation learning capacity inherent in deep neural network onto graph data, via the learning of hidden states associated with the graph nodes. These hidden states are computed and updated according to the information contained in the neighborhoud of each node.This recent interest for graph neural networks (GNNs) has led to a "jungle" of models and frameworks, making this field of research sometimes confusing. Historically, two main strategies have been explored : the spatial GNNs on one side and the spectral GNNs on the other side. Spatial GNNs, sometimes also called Message Passing Neural Network, are based on the computation of a message which agregates the information contained in the neighborhoud of each node. On the other side, spectral GNNs are based on the spectral graph theory and thus on the graph Laplacian. The eigendecomposition of the graph Laplacian allows to define a graph Fourier transform and its inverse. From these transforms, different filters can be applied on the graph, leading to similar result than filtering on images or signals. In this thesis, we begin by introducing a third category, called spectral rooted spatial convolution. Indeed, some recent methods are taking root in the spectral domain while avoiding to compute the eigendecomposition of the graph Laplacian. This third category leads to question about the fundamental difference between spectral and spatial GNNs. We answer this question by proposing a general model unifying both strategies, showing notably that spectral GNNs are a particular case of spatial GNNs. This unified model also allowed us to propose a spectral analysis of some popular GNNs in the scientificcommunitic, namely GCN, GIN, GAT, ChebNet and CayleyNet. This analysis shows that spatial models are limited to low-pass and high-pass filtering, while spectral models can produce any kind of filters. Those results are then found with the presentation of a toy problem, showing in the first instance the limitation of spatial models to define pass-band filters, and the importance of designing such filters. Those results have led us to propose a method allowing any kind of filter, while limiting the network’s number of parameters. Indeed, even though spectral models are able to design any kind of filtering, each new filter require the add of a new weight matrix in the neural network. In order to reduce the number of parameters, we propose to adapt Depthwise Separable Convolution to graphs through a method called Depthwise Separable Graph Convolution Network. This method is evaluated on both transductive and inductive learning, outperforming state-of-the-arts results.Finally, we propose a method defined in the spatial domain in order to take into account edge attributes. Indeed, this issue has been little studied by the scientific community, and the number of methods allowing to include edge attributes is very small. Our proposal, called Edge Embedding Graph Neural Network, consists in embedding edge attributes into a new space through a first neural network, before using the extracted features in a GNN. This method is evaluated on a particular problem of symbol detection in a graph. Note de contenu : 1- Introduction
2- Background
3- What is a Graph Neural Network ?
4- Graph Neural Networks: Are they Spectral or Spatial ?
5- Depthwise Separable Graph Convolution Network
6- Edge Embedding Graph Neural Network
7- ConclusionNuméro de notice : 15259 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/MATHEMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Rouen : 2021 Organisme de stage : Laboratoire LITIS DOI : sans En ligne : https://tel.hal.science/tel-03346018/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100612 Apport 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)
Titre : Apport 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 Type de document : Thèse/HDR Auteurs : Yann Pageot, Auteur ; Valérie Demarez, Directeur de thèse Editeur : Toulouse : Université de Toulouse 3 Paul Sabatier Année de publication : 2021 Importance : 158 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, spécialité Surfaces et interfaces continentales, HydrologieLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] Adour (bassin)
[Termes IGN] bassin hydrographique
[Termes IGN] bilan hydrique
[Termes IGN] carte thématique
[Termes IGN] cultures irriguées
[Termes IGN] évapotranspiration
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] irrigation
[Termes IGN] maïs (céréale)
[Termes IGN] Normalized Difference Vegetation Index
[Termes IGN] pédologie
[Termes IGN] ressources en eauIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’eau est une ressource naturelle, qui depuis des millions d’années participe au cycle de la vie. Mais depuis peu, le changement climatique et les activités humaines remettent en cause l’équilibre du cycle de l’eau, alors même que les besoins en eau ne cessent d’augmenter. En effet, les besoins en eau de l’agriculture représentent 70% de l’utilisation de l’eau douce et ces besoins vont croître avec une population mondiale grandissante. Pour préserver cette ressource, il est nécessaire d’améliorer la connaissance sur les surfaces irriguées ainsi que les besoins et consommations en eau des cultures sur de grandes surfaces, mais elle n’est pas simple à appréhender à cause de la forte variabilité spatiale des sols, du climat et des pratiques agricoles. La télédétection a un rôle fondamental à jouer et plus particulièrement les données Sentinel-1 et Sentinel-2. Dans ce contexte, ces travaux de thèse ont vocation à fournir des outils de diagnostics pour assurer une gestion optimale de la ressource en eau à l’échelle des bassins versants. Pour cela une approche cartographie des surfaces irriguées en zones tempérées à partir d’images satellites Sentinel-1 & 2 a été développée. Cette approche basée sur le couplage de données satellitaires (optique et radar) et un algorithme de classification supervisée (Random Forest) a permis de cartographier à l’échelle parcellaire les pratiques d’irrigation (présence / absence) des cultures d’été sur deux territoires du bassin versant de l’Adour - Garonne (Adour amont et Tarn aval). La méthodologie a pu être validée grâce aux données collectées par les partenaires, soit la CACG, et les chambres d’Agriculture Hautes-Pyrénéens et du Tarn. En parallèle, la méthode a été développée dans un but opérationnel, en prenant en compte les contraintes techniques que les gestionnaires de la ressource en eau peuvent rencontrer face à la quantité importante de données que représentent les images satellitaires. Pour cela, l’approche développée se base sur les cumuls mensuels d’indices de végétation et des polarisations radars. L’utilisation de ces cumuls permet de réduire l’utilisation de la ressource informatique, pour générer une carte, tout en conservant les performances de l’approche. Pour la modélisation des besoins et des consommations en eau du maïs irrigué, le modèle SAMIR a été utilisé. Ce modèle utilise des images satellites d’indice de végétation (NDVI et FCover) pour simuler le bilan hydrique de culture. Il a été appliqué à différentes échelles spatiales et sur différents jeux de données de validation. Le modèle a été calibré et validé sur la parcelle expérimentale de Lamothe pour laquelle nous disposons, depuis 2008, de mesures d’évapotranspiration réelle (ETR) acquises par la méthode d’Eddy-Covariance. Cette phase de calibration/validation a permis d’apporter des modifications sur l’estimation de l’évaporation du sol et sur le suivi du développement de la végétation. Les estimations des besoins en eau ont ensuite été validés sur un ensemble de parcelles ainsi que sur quatre périmètres irrigués (ASA) et deux périmètres élémentaires (BV Adour amont et Neste). Les résultats montrent que le modèle est capable de reproduire de façon satisfaisante les besoins en eau d’irrigation des parcelles des partenaires lorsque la réserve utile du sol (RU) est estimée à partir de données GlobalSoilMap et de la profondeur d’enracinement maximale estimée par le Référentiel Régional Pédologique. A l’échelle des ASA et des BV, le modèle a tendance à sous-estimer les volumes saisonniers. Les résultats illustrent la nécessité d’une bonne estimation de la RU, à une échelle compatible avec une approche de modélisation du bilan hydrique, c’est à dire à la parcelle pour pouvoir estimer correctement les irrigations saisonnières et les volumes. Ces conclusions sont toutefois dépendantes du jeu de données disponible, du modèle et de la méthode de calibration choisie et ce travail nécessiterait un jeu de données plus conséquent et probablement une analyse plus poussée. Note de contenu : 1- Introduction
2- Présentation des données
3- Détection des surfaces irriguées
4- Estimation des besoins et cosommation en eau du maïs irrigué
5- Conclusion et perspectivesNuméro de notice : 24068 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Surfaces et interfaces continentales, Hydrologie : Toulouse 3 : 2021 Organisme de stage : CESBIO DOI : sans En ligne : https://www.theses.fr/2021TOU30281 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102105 Apport des données Sentinel-1 pour le suivi continu de la forêt tropicale : Cas de la Guyane / Marie Ballère (2021)
Titre : Apport des données Sentinel-1 pour le suivi continu de la forêt tropicale : Cas de la Guyane Type de document : Thèse/HDR Auteurs : Marie Ballère , Auteur ; Pierre-Louis Frison , Directeur de thèse Editeur : Lyon [France] : Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement CEREMA Année de publication : 2021 Autre Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Note générale : bibliographie
Thèse de Doctorat de l'Université Gustave Eiffel, spécialité : Sciences et Technologies de l'Information GéographiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] déboisement
[Termes IGN] détection de changement
[Termes IGN] données exogènes
[Termes IGN] forêt tropicale
[Termes IGN] Guyane (département français)
[Termes IGN] image Sentinel-SARIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Les forêts tropicales abritent la biodiversité la plus riche de notre planète et jouent un rôle particulièrement important dans le stockage du carbone et le cycle de l'eau. Le suivi de la dégradation de ce milieu est un défi d'actualité car il représente un danger immédiat pour l'environnement et la biodiversité. Par ailleurs, depuis 2014, la mise en orbite des satellites Sentinel dans le cadre du programme européen Copernicus constitue une réelle révolution dans le panorama des capteurs d'observation de la Terre existants jusqu'alors. En effet, des données optiques (Sentinel-2) et radar (Sentinel-1) sont, depuis lors, accessibles librement à tous et permettent des acquisitions à une résolution décamétrique et une répétitivité allant de 5 à 12 jours selon la région analysée. L'objectif de cette thèse consiste donc à développer des méthodes pour le suivi de la forêt tropicale basées sur des données radar Sentinel-1 et des produits de cartographie exogènes. Plus spécifiquement, l'étude a pour but de fournir des outils pour observer le déboisement, en produisant des cartes en quasi-temps réel, puis en caractérisant les zones détectées avec la cause de leur déboisement. Ces informations sont nécessaires à l'estimation et au suivi du déboisement sur les zones tropicales, et à la lutte contre les défriches illicites. La région test est la Guyane. Couverte à plus de 95% par la forêt, elle est caractérisée par de nombreux types de perte forestière permettant de valider la méthode sur de nombreuses caractéristiques. De plus, ce territoire étant relativement bien surveillé, beaucoup de données cartographiques d'occupation du sol sont disponibles pour situer les déboisements ou pour servir de référence au niveau spatial. La première phase du travail est l'amélioration d'une méthode de détection du déboisement à partir des données Sentinel-1 et son évaluation sur la Guyane. La validation de la carte produite s'appuie sur 1 867 données (de différents types de déboisement) produites de manière indépendante, et représentant un total de 2 124.5 ha à travers toute la Guyane sur une période de 2 ans. Les résultats obtenus sur la Guyane au niveau spatial sont très satisfaisants : 96% de précision sur les surfaces déboisées et 81.5% de rappel. La mise en place d'une campagne terrain a rendu possible l'estimation du côté quasi-temps réel de la méthode sur 26 parcelles et avance un délai médian de détection de 3.5 jours. Une comparaison avec un produit optique souvent pris comme référence, a démontré l'avantage des données Sentinel-1 pour ces régions caractérisées par de fortes couvertures nuageuses. Cette meilleure performance s'observe tant sur le plan spatial (rappel du radar supérieur de plus de 35%), que sur le plan temporel (un tiers des zones déboisées nécessitant une surveillance est détecté avec 3 mois de retard par les images optiques). La deuxième partie du travail consiste à caractériser les zones déboisées détectées afin de déterminer leur cause. Pour cela, des méthodes d'apprentissage automatique ont été utilisées pour choisir des indicateurs cartographiques pertinents, permettant de produire un modèle prédictif simple, fiable, automatique et utilisable à l'échelle de la Guyane en temps-réel. Les indicateurs F-scores de chaque type de déboisement sont de 97% pour l'orpaillage et l'agriculture, 95% pour l'exploitation forestière, 87% pour l'urbanisation et 76% pour la classe « autre », pouvant se rapporter à des perturbations naturelles. Ce travail a montré la pertinence d'utiliser des indicateurs cartographiques pour déterminer la cause des déboisements en Guyane, permettant cette identification en temps-réel. Ces travaux qui démontrent le potentiel des données Sentinel-1 pour le suivi continu des forêts tropicales ont été menés en interaction avec les acteurs locaux. Ils montrent également la complémentarité de systèmes provenant de capteurs différents et pourront être poursuivis en ce sens. Note de contenu : 1- Introduction
2- Les pertes forestières tropicales
3- Site d'Etude et Données
4- Analyse et interprétation
5- Méthodes et validation
6- Résultats
7- Valorisations et perspectives
8- ConclusionNuméro de notice : 17363 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : FORET/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences et Technologies de l'Information Géographique: Gustave Eiffel : 2021 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans En ligne : https://theses.hal.science/tel-03629552 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99020 Apport de la modélisation physique pour la cartographie de la biodiversité végétale en forêts tropicales par télédétection optique / Dav Ebengo Mwampongo (2021)
Titre : Apport de la modélisation physique pour la cartographie de la biodiversité végétale en forêts tropicales par télédétection optique Type de document : Thèse/HDR Auteurs : Dav Ebengo Mwampongo, Auteur ; Christiane Weber, Directeur de thèse Editeur : Paris, Nancy, ... : AgroParisTech (2007 -) Année de publication : 2021 Importance : 188 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Institut National des Sciences et Industries du Vivant et de l'Environnement- AgroParisTechLangues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse de sensibilité
[Termes IGN] biodiversité végétale
[Termes IGN] carte forestière
[Termes IGN] diagnostic foliaire
[Termes IGN] forêt tropicale
[Termes IGN] image hyperspectrale
[Termes IGN] image optique
[Termes IGN] modèle de transfert radiatif
[Termes IGN] réflectance végétale
[Termes IGN] taxinomie
[Termes IGN] transfert radiatifIndex. décimale : THESE Thèses et HDR Résumé : (auteur) La préservation de la biodiversité est un enjeu majeur pour le développement durable. Face aux besoins de conservation à l’échelle globale, la définition des méthodes opérationnelles qui permettent d’évaluer la diversité biologique est nécessaire pour l’orientation des différentes politiques environnementales. La télédétection optique a montré un potentiel pour étudier la biodiversité. L’imagerie hyperspectrale aéroportée a été largement utilisée avec succès. Malgré son potentiel, l’imagerie hyperspectrale aéroportée ne permet pas de couvrir des vastes étendues (échelle régionale ou globale) suite à des contraintes logistique et financière. Les missions satellites hyperspectrales actuelles et futures (PRISMA, EnMAP, Biodiversity, CHIME, SBG…) offrent la possibilité d’étudier la biodiversité à grande échelle. Il existe cependant un besoin d’améliorer l’interprétation physique des méthodes existantes, basées sur les données aéroportées, pour évaluer leurs potentiels. Les outils de modélisation du transfert radiatif permettent de mieux comprendre l’interaction entre un rayonnement incident et les milieux physiques qu’ils traversent et de ce fait d’interpréter le signal. Ce projet de thèse vise à définir un cadre pour produire des simulations réalistes à l’aide du modèle de transfert radiatif 3D DART (Discrete Anisotropic Radiative Transfer) dans une perspective de soutien au développement méthodologique pour l'évaluation de la biodiversité et la préparation de futures missions satellites à l'aide de la modélisation 3D (adapté aux milieux complexes tels que les forêts tropicales). Pour ce faire, nous avons réalisé des études de sensibilité pour comprendre l’influence de deux facteurs sur la réflectance simulée par DART : la variabilité spatiale des propriétés optiques foliaires, la prise en compte des éléments non photosynthétiques de la végétation. Puis nous avons comparé ces simulations à des données hyperspectrales aéroportées expérimentales en décrivant les scènes forestières correspondantes de la manière la plus fine à l’aide d’information relatives à la structure, à la composition en espèces et à une sélection de traits fonctionnels foliaires. Plusieurs approches s’appuyant sur les propriétés optiques foliaires, et sur la prise en compte d’une fraction ligneuse ont été testées pour l’intégration des éléments non photosynthétique dans la scène. La variabilité spatiale des propriétés optiques foliaires a été testée en s’appuyant sur les données d’inventaires spatialisées, permettant de prendre en compte la variabilité à l’échelle du pixel, ou en opérant une uniformisation des propriétés optiques à l’échelle de la couronne de chaque individu, ou à l’échelle des espèces. Nos résultats ont montré que les simulations les plus proches des données expérimentales, jugées les plus réalistes, étaient obtenues par l’intégration des éléments non photosynthétiques par le biais d’une famille de constituants chimiques foliaires, les pigments bruns, combinée à une prise en compte de la variabilité des propriétés optiques à l’échelle du pixel. Les différences entre données expérimentales et simulations ont été étudiées en s’appuyant sur différents critères, comme la différence spectrale, la dissimilarité spectrale interspécifique et interspécifique et la capacité de discrimination spectrale des espèces. Nous avons obtenu une bonne concordance entre les simulations issues du scénario le plus réaliste et les données expérimentales. Note de contenu : Introduction générale
1- Télédétection optique appliquée au suivi de la biodiversité végétale dans les écosystèmes forestiers tropicaux
2- Le transfert radiatif dans la végétation et sa simulation
3- Données et méthodes
4- Résultats : simulation de la réflectance de canopée et analyse comparative
5- Discussion générale
Conclusion générale et perspectivesNuméro de notice : 28661 Affiliation des auteurs : non IGN Thématique : BIODIVERSITE/IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Géomatique : AgroParisTech : 2021 Organisme de stage : TETIS DOI : sans En ligne : https://tel.hal.science/tel-03520758 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99828 Apport 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)Permalink