Centre dedocumentation
scientifique

Initialization methods of convolutional neural networks for detection of image manipulations / Ivan Castillo Camacho (2021)  

Public Titre : Initialization methods of convolutional neural networks for detection of image manipulations Titre original : Méthodes d'initialisation des réseaux de neurones convolutifs pour la détection des manipulations d'images Type de document : Thèse/HDR Auteurs : Ivan Castillo Camacho, Auteur ; Kai Wang, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2021 Importance : 145 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Grenoble, spécialité : signal, image, paroles, télécoms Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] altération [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] covariance [Termes IGN] détection d'anomalie [Termes IGN] estompage [Termes IGN] filtre passe-haut [Termes IGN] flux de données [Termes IGN] infraction [Termes IGN] manipulation de données [Termes IGN] qualité des données [Termes IGN] retouche [Termes IGN] variance Index. décimale : THESE Thèses et HDR Résumé : (auteur) Fake images and videos have engulfed mass communication media. This is not something recent, manipulations and forgeries have occurred since the advent of photography itself. These alterations can go from innocent retouches in an attempt to make an image visually attractive to the spread of misleading information or even the use of false media in legal instances. Accordingly, the creation of methods that can help us assure the authenticity of an image presented as non-modified is of paramount importance. In this thesis, we aim at detecting image manipulation operations using deep learning techniques. We present three methods showing the progression of our work under one common objective, i.e, the design and test of Convolutional Neural Network (CNN) initialization methods for image forensic problems with a variance stability focus for the output of a CNN layer.First, we carry out an extensive review of the state of the art in deep-learning-based methods for image forensics. From this review we can confirm that the first layer of a CNN has big impact on the final performance. Specifically, the initialization used on the first-layer filters plays an important role that should be in line with the image forensic task in hand.As our first attempt to address this research problem, we propose a low-complexity initialization method for CNNs. Taking advantage of previous methods designed for the computer vision field, we extend the popular Xavier method to design a filter that would provide variance stability after a convolution operation. This method generates a set of random high-pass filters for the initialization of a CNN's first layer. These filters allow us to better identify forensic traces which usually lie towards the high-frequency part of the image.This first approach constitutes a good staring point of our work. However, a wrong assumption, largely utilized in the research community, was made. This is corrected in our second method where we follow a different data-dependent approach and take into consideration the real statistical properties of natural images. Accordingly, we propose a scaling method for first-layer filters which can cope well with different CNN initialization algorithms. The objective remains in keeping the stability of the variance of data flow in a CNN. We also present theoretical and experimental studies on the output variance for convolutional filter, which are the basis of our proposed data-dependent scaling.Next we describe a revisited version of our first proposal now with a corrected assumption on the statistics of natural images. More precisely, we propose an improved random high-pass initialization method which does not explicitly compute the statistics of input data. We believe that such a ``data-independent'' approach has higher flexibility and broader application range than our second method in situations where the computation of input statistics is not possible.Our proposed methods are tested over several image forensic problems and different CNN architectures.Finally, during all this thesis work we took part in a challenge competition of image forgery detection organized by the French National Research Agency and the French Directorate General of Armaments. We explain in the Appendix the objectives of the challenge along with a brief description of our work conducted for the competition. Note de contenu : 1- Introduction 2- Background knowledge and state of the art 3- Random high-pass initialization 4- Data-dependent initialization 5- Revisiting the random high-pass initialization 6- Conclusions and perspectives Numéro de notice : 28437 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : signal, image, paroles, télécoms : Grenoble : 2021 DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03346063/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98833

Caractérisation du manteau neigeux arctique, suivi climatique et télédétection micro-onde / Céline Vargel (2020)  

Public Titre : Caractérisation du manteau neigeux arctique, suivi climatique et télédétection micro-onde Type de document : Thèse/HDR Auteurs : Céline Vargel, Auteur ; Ghislain Picard, Directeur de thèse ; Alain Royer, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2020 Autre Editeur : Sherbrooke : Université de Sherbrooke Importance : 156 p. Format : 21 x 30 cm Note générale : Bibliographie Thèse pour obtenir les grades de : docteur de l'Université de Sherbrooke, Spécialité : Physique de la Télédétection docteur de l'Université Grenoble Alpes, Spécialité : Sciences de la Terre et Univers, Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes IGN] Arctique [Termes IGN] caractérisation [Termes IGN] changement climatique [Termes IGN] couvert végétal [Termes IGN] manteau neigeux [Termes IGN] modèle de simulation [Termes IGN] modèle de transfert radiatif [Termes IGN] télédétection en hyperfréquence [Termes IGN] température au sol [Termes IGN] température de luminance [Termes IGN] transfert radiatif Index. décimale : THESE Thèses et HDR Résumé : (Auteur) Les régions de hautes latitudes nord se réchauffent de façon plus intense que sur le reste du globe. Ce phénomène, appelé amplification arctique, est dû en partie à la diminution de l'étendue de glace de mer et de la couverture de neige. Par ses changements de pouvoirs réfléchissant et isolant, la neige, présente 9 mois de l'année, pourrait avoir un effet important sur l'augmentation des températures du sol. Le dégel du pergélisol à travers le carbone ainsi libéré serait susceptible d'avoir un impact important sur le climat futur de l'Arctique. Ce projet de recherche a pour objectif d'améliorer le suivi du couvert nival arctique et des températures du sol. À l'heure actuelle, les modèles détaillés d'évolution du manteau neigeux tels que le modèle Crocus ne parviennent pas à reproduire la physique particulière de la neige arctique ce qui conduit à des incertitudes importantes dans la modélisation des températures du sol. De nouvelles paramétrisations physiques ont été implémentées au sein du modèle Crocus pour améliorer la stratification verticale du manteau neigeux en introduisant les effets de la végétation (neige moins dense en profondeur) et les effets du vent (neige plus dense en surface), ainsi que pour modifier la conductivité thermique de la neige. Ces nouvelles paramétrisations permettent une meilleure représentation des températures du sol sous la neige, validée avec un large jeu de données en Alaska, dans l'Arctique canadien et en Sibérie. Les simulations ainsi réalisées à l'aide du modèle Crocus modifié, piloté par la réanalyse météorologique ERA-Interim sur les 39 dernières années (1979-2018), à l'échelle panarctique, montrent une augmentation significative de la densité de la neige au printemps ainsi que de l'humidité de la neige principalement au printemps et en automne, accompagnée d'une diminution significative de la durée d'enneigement. Ces effets cumulés à l'augmentation des températures de l'air entraînent une augmentation des températures du sol allant jusqu'à +0.89 K par décade pour le mois de juin. De façon à pouvoir améliorer le suivi de l'évolution spatiale et temporelle du couvert nival, l'utilisation de données d'observations satellitaires micro-onde est proposée. À partir de l'analyse d'un jeu de données unique de mesures radiométriques en surface associées à la caractérisation in-situ du manteau neigeux (119 snowpits avec des observations simultanées) en zone arctique et subarctique, une paramétrisation optimale du modèle de transfert radiatif SMRT a été définie. En utilisant une longueur de corrélation exponentielle ajustée comme paramètre de microstructure de la neige dans le modèle électromagnétique Improved Born Approximation (IBA), l'étude montre, par rapport aux autres configurations de modèles testées, de meilleurs résultats avec une erreur moyenne (RMSE) inférieure à 30% des observations pour la neige subarctique et 24% pour la neige arctique. Couplées à Crocus, les températures de brillance simulées sur l'ensemble de l'Arctique sont significativement meilleures avec Crocus modifié qu'avec Crocus standard (38 K d'amélioration de l'erreur en moyenne). Ces résultats ouvrent la voie à l'utilisation de l'assimilation des observations micro-onde satellitaires dans le modèle Crocus à grande échelle afin d'améliorer les simulations de densité de la neige arctique, paramètre clef du manteau neigeux influant sur l'évolution des températures du sol sous la neige. Note de contenu : 1. Introduction générale 1.1 La cryosphère dans le système climatique 1.2 L’Arctique dans le contexte du changement climatique 1.3 Problématique 1.4 Objectifs du doctorat 1.5 Organisation du manuscrit de thèse 2. Matériel et Méthode 2.1 Modélisation du manteau neigeux 2.2 Modélisation des températures de brillance de la neige 3. Article 1 : Amélioration des simulations de la climatologie des propriétés de la neige arctique et de la température du sol sur la période 1979-2018 dans la taïga circumpolaire et les zones arctiques 3.1 Résumé de l’article 3.2 Article : Improved simulations of Arctic snow properties and soil temperature climatology over the 1979-2018 period in circumpolar taiga and Arctic areas 3.3 Complément d’analyse à l’article 3.4 Analyse des tendances d’évolution de la température du sol 3.5 Stockage de carbone organique dans le sol 4. Article 2 : Analyse de la microstructure de la neige arctique et subarctique pour des simulations de températures de brillance micro-onde 4.1 Résumé de l’article 4.2 Article : Arctic and Subarctic snow microstructure analysis for microwave brightness temperature simulations 4.3 Complément d’analyse à l’article 2 5. Modélisation micro-onde panarctique 5.1 Introduction 5.2 Méthode 5.3 Résultats 5.4 Discussion 5.5 Conclusion 6. Conclusion et perspectives 6.1 Conclusion 6.2 Contributions originales de la thèse 6.3 Perspectives du projet de recherche Annexes Numéro de notice : 26531 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Physique de la Télédétection : Sherbrooke : 2020 Thèse de Doctorat : Sciences de la Terre et Univers, Environnement : Grenoble : 2020 Organisme de stage : Centre d’Application et de Recherche en Télédétection (CARTEL) et de L’Institut des Geosciences de l’Environnement (IGE) nature-HAL : Thèse Date de publication en ligne : 31/03/2021 En ligne : https://tel.archives-ouvertes.fr/tel-03185802/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97562

Convolutional Neural Networks for embedded vision / Lucas Fernandez Brillet (2020)  

Public Titre : Convolutional Neural Networks for embedded vision Titre original : Réseaux de neurones CNN pour la vision embarquée Type de document : Thèse/HDR Auteurs : Lucas Fernandez Brillet, Auteur ; Stéphane Mancini, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2020 Importance : 164 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, Spécialité : Mathématiques, sciences et technologies de l’information, informatique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse en composantes principales [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] compression d'image [Termes IGN] détection d'objet [Termes IGN] image à haute résolution [Termes IGN] instrument embarqué [Termes IGN] vision par ordinateur [Termes IGN] zone d'intérêt Index. décimale : THESE Thèses et HDR Résumé : (auteur) Recently, Convolutional Neural Networks have become the state-of-the-art soluion(SOA) to most computer vision problems. In order to achieve high accuracy rates, CNNs require a high parameter count, as well as a high number of operations. This greatly complicates the deployment of such solutions in embedded systems, which strive to reduce memory size. Indeed, while most embedded systems are typically in the range of a few KBytes of memory, CNN models from the SOA usually account for multiple MBytes, or even GBytes in model size. Throughout this thesis, multiple novel ideas allowing to ease this issue are proposed. This requires to jointly design the solution across three main axes: Application, Algorithm and Hardware.In this manuscript, the main levers allowing to tailor computational complexity of a generic CNN-based object detector are identified and studied. Since object detection requires scanning every possible location and scale across an image through a fixed-input CNN classifier, the number of operations quickly grows for high-resolution images. In order to perform object detection in an efficient way, the detection process is divided into two stages. The first stage involves a region proposal network which allows to trade-off recall for the number of operations required to perform the search, as well as the number of regions passed on to the next stage. Techniques such as bounding box regression also greatly help reduce the dimension of the search space. This in turn simplifies the second stage, since it allows to reduce the task’s complexity to the set of possible proposals. Therefore, parameter counts can greatly be reduced.Furthermore, CNNs also exhibit properties that confirm their over-dimensionment. This over-dimensionement is one of the key success factors of CNNs in practice, since it eases the optimization process by allowing a large set of equivalent solutions. However, this also greatly increases computational complexity, and therefore complicates deploying the inference stage of these algorithms on embedded systems. In order to ease this problem, we propose a CNN compression method which is based on Principal Component Analysis (PCA). PCA allows to find, for each layer of the network independently, a new representation of the set of learned filters by expressing them in a more appropriate PCA basis. This PCA basis is hierarchical, meaning that basis terms are ordered by importance, and by removing the least important basis terms, it is possible to optimally trade-off approximation error for parameter count. Through this method, it is possible to compress, for example, a ResNet-32 network by a factor of ×2 both in the number of parameters and operations with a loss of accuracy Note de contenu : Introduction 1- Deep learning overview 2- Methodology to adapt the computational complexity of CNN-based object detection for efficient inference in an applicative use-case 3- CNN compression 4- Cascaded and compressed CNNs for fast and lightweight face detection 5- Hardware evaluation on embedded multiprocessor Thesis Conclusion & Perspectives Numéro de notice : 28392 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques, sciences et technologies de l’information, informatique : Grenoble : 2020 DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03101523/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98739

Past and future evolution of French Alpine glaciers in a changing climate: a deep learning glacio-hydrological modelling approach / Jordi Bolibar Navarro (2020)  

Public Titre : Past and future evolution of French Alpine glaciers in a changing climate: a deep learning glacio-hydrological modelling approach Type de document : Thèse/HDR Auteurs : Jordi Bolibar Navarro, Auteur ; Antoine Rabatel, Auteur ; Isabelle Gouttevin, Auteur ; Eric Sauquet, Auteur Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2020 Importance : 143 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université Grenoble Alpes, Spécialité : Sciences de la Terre et de l’Univers et de l’Environnement Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] Alpes (France) [Termes IGN] analyse diachronique [Termes IGN] apprentissage automatique [Termes IGN] bilan de masse [Termes IGN] changement climatique [Termes IGN] glacier [Termes IGN] modèle de simulation [Termes IGN] modèle hydrographique [Termes IGN] modèle numérique de surface [Termes IGN] réseau neuronal artificiel Index. décimale : THESE Thèses et HDR Résumé : (auteur) The European Alps are among the most affected regions in the world by climate change, displaying some of the strongest glacier retreat rates. Long-term interactions between society, mountain ecosystems and glaciers in the region raise important questions on the future evolution of glaciers and their derived environmental and socioeconomical impacts. In order to correctly assess the regional response of glaciers in the French Alps to climate change, there is a need for adequate modelling tools. In this work, we explore new ways to tackle both glacier evolution and glacio-hydrological modelling at a regional scale. Glacier evolution modelling has traditionally been performed using empirical or physical approaches, which are becoming increasingly challenging to optimize with the ever growing amount of available data. Here, we present, to our knowledge, the first effort ever to apply deep learning (i.e. deep artificial neural networks) to simulate the evolution of glaciers. Since both the climate and glacier systems are highly nonlinear, traditional linear mass balance models offer a limited representation of climate-glacier interactions. We show how important nonlinearities in glacier mass balance are captured by deep learning, substantially improving model performance over linear methods.This novel method was first applied in a study to reconstruct annual mass balance changes for all glaciers in the French Alps for the 1967-2015 period. Using climate reanalyses, topographical data and glacier inventories, we demonstrate how such an approach can be successfully used to reconstruct large-scale mass balance changes from observations. This study also offered new insights on how glaciers evolved in the French Alps during the last half century, confirming the rather neutral observed mass balance rates in the 1980s and displaying a well-marked acceleration in mass loss from the 2000s onwards. Important differences between regions are found, with the Mont-Blanc massif presenting the lowest mass loss and the Chablais being the most affected one. Secondly, we applied this modelling framework to simulate the future evolution of all glaciers in the region under multiple (N=29) climate change scenarios. Our estimates indicate that most ice volume in the region will be lost by the end of the 21st century independently from future climate scenarios. We predict average glacier volume losses of 74%, 80% and 88% under RCP 2.6 (n=3), RCP 4.5 (n=13) and RCP 8.5 (n=13), respectively. By the end of the 21st century the French Alps will be largely ice-free, with glaciers only remaining in the Mont-Blanc and Pelvoux massifs. Note de contenu : Introduction 1- Glaciers 2- Glacierized mountain catchments 3- Outlook Numéro de notice : 28311 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Sciences de la Terre et de l’Univers et de l’Environnement : Grenoble : 2020 Organisme de stage : Institut des Géosciences de l’Environnement (Grenoble) DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03052063v2/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98202

Rockfalls multi-methods detection and characterization / Gaëlle Le Roy (2020)  

Public Titre : Rockfalls multi-methods detection and characterization Type de document : Thèse/HDR Auteurs : Gaëlle Le Roy, Auteur ; David Amitrano, Directeur de thèse ; Agnès Helmstetter, Directeur de thèse Editeur : Grenoble [France] : Université Grenoble Alpes Année de publication : 2020 Importance : 186 p. Format : 21 x 30 cm Note générale : bibliographie Thèse pour obtenir le grade de Docteur de l'Université de Grenoble Alpes Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] Chartreuse, massif de la (Préalpes ; France) [Termes IGN] éboulement [Termes IGN] fréquence [Termes IGN] modèle numérique de surface [Termes IGN] modèle numérique de terrain [Termes IGN] pente [Termes IGN] photogrammétrie numérique [Termes IGN] roche [Termes IGN] sismologie [Termes IGN] surveillance géologique Résumé : (auteur) Amongst mass wasting events, rockfalls remain the most unpredictable and the most frequent hazard in the alpine region. In a context of growing urbanization in mountainous regions, rockfalls represent an increasing risk for local communities and infrastructures. This thesis aims to develop an association of relevant methods for rockfall monitoring. One objective of this thesis is to associate topography measurement and seismological monitoring in order to improve significantly in understanding rockfalls dynamics. This work was mainly carried out in the Chartreuse massif (Isère, French Alps), and in particular two cliffs, Mount Saint-Eynard and Mount Granier. Using photogrammetry, we acquired diachronic Digital Elevation Models (DEMs) of the cliffs. Such monitoring enables us to carry out rockfall inventories and occurrence frequency analysis. It also provides us information on rockfall locations and their structural configurations. Combining DEMs and rockfall seismic monitoring allowed us to study relations between rockfall properties (location, volume, geometry, propagation, etc.) and the induced seismic signal. Characteristics of the seismic signal (duration and energy, frequency content, envelope shape) vary depending on the event propagation mode (mass-flow, free-fall, sliding, bouncing …). Selecting events with the same propagation type provides a more accurate characterization of rockfalls properties than when mixing different types of events. For free-falling rockfalls, we analyze the seismic signal of the detachment phases and first impacts. We found relations between seismic signals parameters and rockfalls potential energy, free-fall heights, and volumes. For mass-flow type events, we found a scaling law between rockfalls seismic energy and their volumes. By coupling DEMs and seismic records, we can reconstruct rockfall sequence with accurate timing and correct volume estimations. Controlled block releases were realized in laboratory and on-site to widen our observations on rockfall events. Note de contenu : 1- Slopes dynamics and weathering 2- Rockfall hazard in the Alps 3- Rockfall monitoring techniques 4- Methodological biases on rockfall inventories and empirical volume distributions 5- Morpho-structural analysis of rockfalls 6- Seismic analysis of free-falling rockfalls 7- Controlled block release experiment of free fall type events 8- Controlled block release experiment of free fall type events 9- Thermography of block impacts 10- Development outlook Numéro de notice : 25998 Affiliation des auteurs : non IGN Thématique : IMAGERIE/POSITIONNEMENT Nature : Thèse française Note de thèse : Thèse de Doctorat : Terre Solide : Université Grenoble Alpes : 2020 Organisme de stage : Laboratoire Institut des Sciences de la Terre nature-HAL : Thèse DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-02921764/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96892

Traitement d'images multispectrales et spatialisation des données pour la caractérisation de la matière organique des phases solides naturelles / Kevin Jacq (2019)  

Permalink

Fusion de données de télédétection haute résolution pour le suivi de la neige / Théo Masson (2018)  

Permalink

Modèle d'interaction et performances du traitement du signal multimodal / Saloua Chlaily (2018)  

Permalink

Fusion of hyperspectral and panchromatic images with very high spatial resolution / Laetitia Loncan (2016)  

Permalink

Analyse temps-frequence et traitement des signaux RSO à haute résolution spatiale pour la surveillance des grands ouvrages d'art / Andrei Anghel (2015)  

Permalink