Détail de l'éditeur
Documents disponibles chez cet éditeur (85)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Supplementary material for: Panoptic segmentation of satellite image time series with convolutional temporal attention networks / Vivien Sainte Fare Garnot (2021)
Titre : Supplementary material for: Panoptic segmentation of satellite image time series with convolutional temporal attention networks Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2021 Conférence : ICCV 2021, IEEE/CVF International Conference on Computer Vision 11/10/2021 17/10/2021 programme Importance : pp 1 - 8 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] contour
[Termes IGN] Pastis
[Termes IGN] Perceptron multicouche
[Termes IGN] segmentation d'image
[Termes IGN] segmentation sémantique
[Termes IGN] série temporelleRésumé : (auteur) In this appendix, we provide additional information on the PASTIS dataset and our exact model configuration. We also provide complementary qualitative experimental results. Numéro de notice : C2021-024 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98728 Voir aussiDocuments numériques
en open access
Supplementary material for: Panoptic... - pdf auteur-Adobe Acrobat PDF C band radar crops monitoring at high temporal frequency: first results of the MOCTAR campaign / Pierre-Louis Frison (2020)
Titre : C band radar crops monitoring at high temporal frequency: first results of the MOCTAR campaign Type de document : Article/Communication Auteurs : Pierre-Louis Frison , Auteur ; Adnane Chakir , Auteur ; Jamal Ezzahar, Auteur ; Pascal Fanise, Auteur ; Ludovic Villard, Auteur ; Nadia Ouaadi, Auteur ; Saïd Khabba, Auteur ; Mehrez Zribi, Auteur ; et al., Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Conférence : M2GARSS 2020, Mediterranean and Middle-East Geoscience and Remote Sensing Symposium 09/03/2020 11/03/2020 Tunis Tunisie Proceedings IEEE Importance : pp 310 - 313 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] bande C
[Termes IGN] blé (céréale)
[Termes IGN] coefficient de rétrodiffusion
[Termes IGN] Maroc
[Termes IGN] Olea europaea
[Termes IGN] polarimétrie radar
[Termes IGN] surveillance agricole
[Termes IGN] zone semi-arideRésumé : (auteur) This work is focused on the daily cycle of the backscattering radar coefficient over two different crop Mediterranean types: olive trees and wheat, The MOCTAR experiment consists in the acquisitions of radar fully polarimetric interferometric C-band data acquired continuously at 10 min time step from the top of a tower. The study site is located in semiarid region, near Marrakech, in Morocco. Our first results highlight significant daily variations of intensities and temporal decorrelation, and provide a core database to better explain their link with physical variables such as water content and sapflow. Numéro de notice : C2020-033 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/M2GARSS47143.2020.9105177 Date de publication en ligne : 02/06/2020 En ligne : https://doi.org/10.1109/M2GARSS47143.2020.9105177 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99662
Titre : Cross-year multi-modal image retrieval using siamese networks Type de document : Article/Communication Auteurs : Margarita Khokhlova , Auteur ; Valérie Gouet-Brunet , Auteur ; Nathalie Abadie , Auteur ; Liming Chen, Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : ICIP 2020, 27th IEEE International Conference on Image Processing 25/10/2020 28/10/2020 Abou Dhabi Emirats Arabes Unis Proceedings IEEE Importance : pp 2361 - 2365 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] descripteur
[Termes IGN] recherche d'image basée sur le contenu
[Termes IGN] réseau neuronal siamois
[Termes IGN] segmentation sémantiqueRésumé : (auteur) This paper introduces a multi-modal network that learns to retrieve by content vertical aerial images of French urban and rural territories taken about 15 years apart. This means it should be invariant against a big range of changes as the (nat-ural) landscape evolves over time. It leverages the original images and semantically segmented and labeled regions. The core of the method is a Siamese network that learns to extract features from corresponding image pairs across time. These descriptors are discriminative enough, such that a simple kNN classifier on top, suffices as final geo-matching criteria. The method outperformed SOTA "off-the-shelf" image descrip-tors GEM and ResNet50 on the new aerial images dataset. Numéro de notice : C2020-015 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/ICIP40778.2020.9190662 Date de publication en ligne : 01/10/2020 En ligne : https://doi.org/10.1109/ICIP40778.2020.9190662 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95684
Titre : Saliency and Burstiness for Feature Selection in CBIR Type de document : Article/Communication Auteurs : Kamel Guissous , Auteur ; Valérie Gouet-Brunet , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Gouet-Brunet, Valérie Conférence : EUVIP 2019, 8th European Workshop on Visual Information Processing 28/10/2019 31/10/2019 Rome Italie Proceedings IEEE Importance : pp 111 - 116 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image
[Termes IGN] analyse d'image orientée objet
[Termes IGN] analyse visuelle
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] recherche d'image basée sur le contenu
[Termes IGN] saillance
[Termes IGN] zone saillante 3DRésumé : (auteur) The paper addresses the problem of visual feature selection in content-based image retrieval (CBIR). We propose to study two strategies: the first one is using visual saliency, that selects the most salient features of the image and the second one exploits burstiness, that detects and processes the repeated visual elements in the image. To detect and describe the visual features in images, we rely on a deep local features approach based on convolutional neural network. The two strategies are evaluated for image retrieval on different datasets, according to two criteria: quality of retrieval and volume of manipulated features. Numéro de notice : C2019-027 Affiliation des auteurs : LASTIG MATIS (2012-2019) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/EUVIP47703.2019.8946126 Date de publication en ligne : 02/01/2020 En ligne : https://ieeexplore.ieee.org/document/8946126 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94521 Surface soil moiture retrieval over irrigated wheat crops in semi-arid areas using Sentinel-1 data / Nadia Ouaadi (2020)
Titre : Surface soil moiture retrieval over irrigated wheat crops in semi-arid areas using Sentinel-1 data Type de document : Article/Communication Auteurs : Nadia Ouaadi, Auteur ; Lionel Jarlan, Auteur ; Jamal Ezzahar, Auteur ; Mehrez Zribi, Auteur ; Saïd Khabba, Auteur ; Elhoussaine Bouras, Auteur ; Pierre-Louis Frison , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2020 Projets : 2-Pas d'info accessible - article non ouvert / Gouet-Brunet, Valérie Conférence : M2GARSS 2020, Mediterranean and Middle-East Geoscience and Remote Sensing Symposium 09/03/2020 11/03/2020 Tunis Tunisie Proceedings IEEE Importance : pp 212 - 215 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications
[Termes IGN] bande C
[Termes IGN] blé (céréale)
[Termes IGN] coefficient de rétrodiffusion
[Termes IGN] cultures irriguées
[Termes IGN] humidité du sol
[Termes IGN] image Sentinel-SAR
[Termes IGN] Maroc
[Termes IGN] polarimétrie radar
[Termes IGN] surveillance agricole
[Termes IGN] zone semi-arideRésumé : (auteur) The sensitivity of the backscattering coefficient and the interferometric coherence to surface soil moisture changes and wheat crops growth was analyzed using the time series derived from C-band Sentinel-1. Results show that the interferometric coherence is sensitive to wheat biomass while the backscatter intensity is more influenced by the surface soil moisture (SSM) changes. A new method to retrieve SSM combining the interferometric coherence and C-band backscattering coefficient acquired by Sentinel-1 is tested over two irrigated wheat plots during two growth seasons around Marrakech city (center of Morocco). It is shown that SSM can be estimated with a reasonable accuracy from sowing to harvest (R=0.65; RMSE =0.07m3/m3; bias =0.01m3/m3). These results enhance the potentialities of Sentinel1 data for SSM retrieval even in the presence of a dense canopy. Numéro de notice : C2020-034 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/M2GARSS47143.2020.9105282 Date de publication en ligne : 02/06/2020 En ligne : https://doi.org/10.1109/M2GARSS47143.2020.9105282 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99679 Temporal decorrelation at C- and L-band over olive tree plantations: first insights from the Marocscat campaigns / Ludovic Villard (2020)PermalinkTorch-Points3D: A modular multi-task framework for reproducible deep learning on 3D point clouds / Thomas Chaton (2020)PermalinkUnderwater calibration in near real time: Focus on detection optimized by AI and selection of calibration patterns / Loïca Avanthey (2020)PermalinkUnderwater field equipment of a network of landmarks optimized for automatic detection by AI / Laurent Beaudoin (2020)PermalinkWater stress detection over irrigated wheat crops in semi-arid areas using the diurnal differences of Sentinel-1 backscatter / Nadia Ouaadi (2020)PermalinkAnalysis and modelling of remote sensing reflectance during anoxic crisis in the Thau lagoon using satellite images / Manchun Lei (2019)PermalinkPermalinkPermalinkLU-Net, An efficient network for 3D LiDAR point cloud semantic segmentation based on end-to-end-learned 3D features and U-Net / Pierre Biasutti (2019)PermalinkPermalink