Centre dedocumentation
scientifique

Anonymisation des contributions des Cahiers citoyens : identifier et traiter les informations sensibles. / Arnaud Le Guilcher (2022)

Public Titre : Anonymisation des contributions des Cahiers citoyens : identifier et traiter les informations sensibles. Type de document : Article/Communication Auteurs : Arnaud Le Guilcher , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Conférence : Journée d'étude CAMS 2022, Les Cahiers citoyens (2019) – Approches croisées 11/02/2022 Paris France OA programme Langues : Français (fre) Descripteur : [Termes IGN] anonymisation [Termes IGN] corpus [Termes IGN] protection de la vie privée Résumé : (auteur) L’exploitation des contributions des Cahiers Citoyens pour l’analyse scientifique posent le problème du respect de la vie privée des contributeurs. En effet, les Cahiers Citoyens ont été conçus comme un moyen d’expression anonyme, dans lesquels des contributeurs pourraient s’exprimer librement. Cette liberté est menacée s’il est possible de ré-identifier les auteurs de certaines contributions. Or, certains éléments contenus dans le texte des contributions, combinés à des éléments de contexte (comme le nom de la commune) créent un tel risque de ré-identification. La démarche pour anonymiser les contributions est d’abord d’identifier les éléments des contributions susceptibles de permettre une ré-identification. Ces éléments peuvent être des informations sur l’identité du contributeur, ou des informations de localisation. Une fois des éléments identifiés, il faut les supprimer ou les généraliser pour obtenir un corpus ne présentant plus de risque, tout en conservant des informations utiles. Numéro de notice : C2022-002 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100005

Calibration radiométrique et géométrique d'une caméra fish-eye pour la mesure de l'hémisphère de luminance incidente / Manchun Lei (2022) 

Public Titre : Calibration radiométrique et géométrique d'une caméra fish-eye pour la mesure de l'hémisphère de luminance incidente Type de document : Rapport Auteurs : Manchun Lei ; Christophe Meynard , Auteur ; Jean-Michaël Muller , Auteur ; Christian Thom , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Importance : 34 p. Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s) [Termes IGN] caméra numérique [Termes IGN] étalonnage géométrique [Termes IGN] étalonnage radiométrique [Termes IGN] image hémisphérique [Termes IGN] MicMac Résumé : (auteur) [introduction] [...] Nous avons développé un imageur hémisphérique de luminance incidente basé sur une caméra légère fish-eye. La particularité de cet imageur est sa légèreté et donc sa mobilité, ce qui est pratique pour mesurer l’hémisphère de luminance incidente des différentes surfaces (sol et façade) dans l’environnement. Ce rapport a pour objectif de documenter la procédure de calibration radiométrique et géométrique réalisée, depuis la description théorique jusqu’aux considérations pratiques. La phase de validation est aussi présentée. Note de contenu : 1 Introduction 2 Description des instruments 3 Calibration de bruit d'obscurité 4 Calibration radiométrique 5 Calibration géométrique Numéro de notice : 17734 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Rapport DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100625

Explorer la théorie des ancres et les espaces cognitifs dans la cartographie multi-échelle / Maieul Gruget (2022)  

Public Titre : Explorer la théorie des ancres et les espaces cognitifs dans la cartographie multi-échelle Type de document : Article/Communication Auteurs : Maieul Gruget, Auteur ; Guillaume Touya , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Projets : LostInZoom / Touya, Guillaume Conférence : Journée Recherche de l'IGN 2022, 31e journée de la recherche 31/03/2022 Marne-la-vallée, Champs-sur-Marne France OA programme Note générale : bibliographie Langues : Français (fre) Descripteur : [Termes IGN] ancre [Termes IGN] représentation mentale spatiale [Termes IGN] zoom [Vedettes matières IGN] Généralisation Numéro de notice : C2022-004 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-03618382/document Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100314

Learning spatio-temporal representations of satellite time series for large-scale crop mapping / Vivien Sainte Fare Garnot (2022)  

Public Titre : Learning spatio-temporal representations of satellite time series for large-scale crop mapping Type de document : Thèse/HDR Auteurs : Vivien Sainte Fare Garnot , Auteur ; Clément Mallet , Directeur de thèse ; Nesrine Chehata , Directeur de thèse ; Loïc Landrieu , Encadrant Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Autre Editeur : Champs-sur-Marne [France] : Université Gustave Eiffel Note générale : bibliographie Thèse de doctorat de l’Université Gustave Eiffel, École doctorale n° 532, Mathématiques, Science, et Technologie de l’Information et de la Communication (MSTIC), Spécialité de doctorat : Signal, Image, et Automatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] carte agricole [Termes IGN] fusion de données [Termes IGN] image multibande [Termes IGN] image multitemporelle [Termes IGN] image satellite [Termes IGN] parcelle agricole [Termes IGN] segmentation sémantique [Termes IGN] série temporelle Mots-clés libres : segmentation panotique, mécanisme d'auto-attention, encodage spatio-temporel Résumé : (auteur) L’analyse et le suivi de l’activité agricole d’un territoire nécessitent la production de cartes agricoles précises. Ces cartes identifient les bordures de chaque parcelle ainsi que le type de culture. Ces informations sont précieuses pour une variété d’acteurs et ont des applications allant de la prévision de la production alimentaire à l’allocation de subventions ou à la gestion environnementale. Alors que les premières cartes agricoles nécessitaient un travail de terrain fastidieux, l’essor de l’analyse automatisée des données de télédétection a ouvert la voie à des cartographies à grande échelle. Dans cette thèse, nous nous intéressons à la cartographie agricole à partir de séries temporelles d’images satellites multispectrales. Dans la plupart des travaux de la dernière décennie, ce problème est abordé à l’aide de modèles d’apprentissage automatique entraînés sur des descripteurs conçus par des experts. Cependant, dans la littérature de vision par ordinateur (VO) et du traitement automatique de la langue (TAL), l’entrainement de modèles d’apprentissage profond à apprendre des représentations à partir des données brutes a constitué un changement de paradigme menant à des performances sans précédent sur une variété de problèmes. De même, l’application de ces modèles d’apprentissage profond aux données de télédétection a considérablement amélioré l’état de l’art pour la cartographie agricole ainsi que d’autres tâches de télédétection. Dans cette thèse, nous soutenons que les méthodes actuelles issues des littérature VO et TAL ignorent certaines des spécificités des données de télédétection et ne devraient pas être appliquées directement. Au contraire, nous prônons le développement de méthodes adaptées, exploitant les structures spatiales, spectrales et temporelles spécifiques des séries temporelles d’images satellites. Nous caractérisons la cartographie agricole successivement comme une classification à la parcelle, une segmentation sémantique et une segmentation panoptique. Pour chacune de ces tâches, nous développons une nouvelle architecture d’apprentissage profond adaptée aux particularités de la tâche et inspirée des avancées récentes de l’apprentissage profond. Nous montrons que nos méthodes établissent un nouvel état de l’art tout en étant plus efficaces que les approches concurrentes. Plus précisément, nous présentons (i) le Pixel-Set Encoder, un encodeur spatial efficace, (ii) le Temporal Attention Encoder (TAE), un encodeur temporel utilisant la self-attention, (iii) le U-net avec TAE, une variation du TAE pour les problèmes de segmentation, et (iv) Parcel-as-Point, un module de segmentation d’instance conçu pour la segmentation panoptique des parcelles. Nous étudions également comment exploiter des séries temporelles multimodales combinant des informations optiques et radar. Nous améliorons ainsi les performances de nos modèles ainsi que leur robustesse aux nuages. Enfin, nous considérons l’arbre hiérarchique qui décrit les relations sémantiques entre les types de culture. Nous présentons une méthode pour inclure cette structure dans le processus d’apprentissage. Sur la classification des cultures ainsi que d’autres problèmes de classification, notre méthode réduit le taux d’erreurs entre les classes sémantiquement éloignées. En plus de ces méthodes, nous introduisons PASTIS, le premier jeu de données en accès libre de séries temporelles d’images satellites multimodales avec des annotations panoptiques de parcelles agricoles. Nous espérons que ce jeu de données, ainsi que les résultats prometteurs présentés dans cette thèse encourageront d’autres travaux de recherche et aideront à produire des cartes agricoles toujours plus précises. Note de contenu : 0- Introduction 1- Spatial and temporal encoding for parcel-based classification 2- Pixel-based segmentation methods 3- Leveraging multiple modalities 4- Leveraging the class hierarchy 5- Conclusion Numéro de notice : 17694 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse de doctorat : Signal, Image, et Automatique : Gustave Eiffel : 2021 Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/01/2022 En ligne : https://hal.archives-ouvertes.fr/IGN-ENSG/tel-03524429v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99366

Is map generalisation a computational cartography problem? / Guillaume Touya (2022)  

Public Titre : Is map generalisation a computational cartography problem? Type de document : Article/Communication Auteurs : Guillaume Touya , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2022 Projets : LostInZoom / Touya, Guillaume Conférence : CompCarto 2022, 1st workshop on Computational Cartography 19/05/2022 20/05/2022 Bonn Allemagne programme Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage profond [Termes IGN] généralisation cartographique automatisée [Termes IGN] géomètrie algorithmique [Vedettes matières IGN] Généralisation Résumé : (auteur) Map generalisation is one of the processes of map design, when the spatial data used to make the map is too detailed for the scale of the map. Map generalisation seeks to abstract and simplify this detailed spatial information to represent it on the map with a good legibility. Map generalisation involves different types of transformations: selection, simplification, displacement, aggregation, collapse, etc. Historically, computational geometry researchers greatly contributed to the automation of map generalisation by proposing algorithms to achieve some of these atomic transformations. But the research questions addressed by researchers on map generalisation have changed over the years, with the progress on the automation, and the changes in the way people use maps (apparition of multi-scale zoomable web maps). Is map generalisation still a computational cartography problem? To discuss this rhetorical question, this presentation illustrates the current issues of map generalisation, with past contribution of computational cartography and possible computational cartography problems. For instance, there are still needs for new specific algorithms, either because maps are much more diverse, or because the larger scale range calls for new transformations. As maps tend to mix elements of topographic maps and elements of schematized maps, computational cartography is also relevant to solve this task. Finally, as the current trend in map generalisation is the use of deep learning models, the presentation discusses the relevance of computational cartography techniques in this context. Numéro de notice : C2022-028 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Conférence invitée nature-HAL : Conf-Invitée DOI : sans En ligne : https://hal.archives-ouvertes.fr/IGN-ENSG/hal-03677309v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100959

Le mémento inventaire forestier, édition 2021 / Institut national de l'information géographique et forestière (2012 -) (2022)    

Permalink

SenRVM: A multi-modal deep learning regression methodology for continuous vegetation monitoring with dense temporal NDVI time series / Anatol Garioud (2022) 

Permalink

Etat et évolution des forêts françaises métropolitaines : indicateurs de gestion durable 2020 / Benjamin Piton (3/08/2021)    

Permalink

30èmes Journées de la Recherche de l'IGN - ENSG dématérialisées du 25 au 28 mai 2021 / Journées Recherche de l'IGN 2021, 30èmes journées (25 - 28 mai 2021; France) (2021) 

Permalink

Analysing 18th century hydrographic data: a campaign in the Bay of Biscay, 1750-1751 / Helen Mair Rawsthorne (2021)  

Permalink

Bilan des jonctions entre les réseaux de nivellement français et italien / Alain Coulomb (2021)

Permalink

Le carrefour dont vous êtes le héros / Jérémy Kalsron (2021) 

Permalink

Construction d’une mémoire des sites pollués : Fusion de bases de données et extraction d’événements / Chuanming Dong (2021)  

Permalink

Création de bases de connaissances topographiques à partir de sources hétérogènes / Helen Mair Rawsthorne (2021)  

Permalink

Deep learning pour les données 3D en télédétection / Loïc Landrieu (2021)

Permalink