Fils RSS disponibles sur ce site
| Alerte-Généralisation |
https://documentation.ensg.eu/rss.php?id=6
|
Alerte-Généralisation
Analysis of pedestrian movements and gestures using an on-board camera to predict their intentions = Analyse des mouvements et gestes des piétons via caméra embarquée pour la prédiction de leurs intentions [Thèse/HDR] / Joseph Gesnouin, Auteur ; Fabien Moutarde, Directeur de thèse . - Paris : Université Paris Sciences et Lettres, 2022 . - 171 p. ; 21 x 30 cm.bibliographie
Thèse de doctorat de l'Université Paris Sciences et Lettres, Préparée à MINES ParisTech, Spécialité
Informatique temps réel, robotique et automatiqueLangues : Anglais (eng)Descripteur : [Vedettes matières IGN] Intelligence artificielle[Termes IGN] apprentissage profond[Termes IGN] attention (apprentissage automatique)[Termes IGN] classification par réseau neuronal convolutif[Termes IGN] classification par réseau neuronal récurrent[Termes IGN] estimation de pose[Termes IGN] image RVB[Termes IGN] instrument embarqué[Termes IGN] navigation autonome[Termes IGN] piéton[Termes IGN] reconnaissance de gestes[Termes IGN] réseau neuronal de graphes[Termes IGN] squelettisation[Termes IGN] trajectoire (véhicule non spatial)[Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) The autonomous vehicle (AV) is a major challenge for the mobility of tomorrow. Progress is being made every day to achieve it; however, many problems remain to be solved to achieve a safe outcome for the most vulnerable road users (VRUs). One of the major challenge faced by AVs is the ability to efficiently drive in urban environments. Such a task requires interactions between autonomous vehicles and VRUs to resolve traffic ambiguities. In order to interact with VRUs, AVs must be able to understand their intentions and predict their incoming actions. In this dissertation, our work revolves around machine learning technology as a way to understand and predict human behaviour from visual signals and more specifically pose kinematics. Our goal is to propose an assistance system to the AV that is lightweight, scene-agnostic that could be easily implemented in any embedded devices with real-time constraints. Firstly, in the gesture and action recognition domain, we study and introduce different representations for pose kinematics, based on deep learning models as a way to efficiently leverage their spatial and temporal components while staying in an euclidean grid-space. Secondly, in the autonomous driving domain, we show that it is possible to link the posture, the walking attitude and the future behaviours of the protagonists of a scene without using the contextual information of the scene (zebra crossing, traffic light...). This allowed us to divide by a factor of 20 the inference speed of existing approaches for pedestrian intention prediction while keeping the same prediction robustness. Finally, we assess the generalization capabilities of pedestrian crossing predictors and show that the classical train-test sets evaluation for pedestrian crossing prediction, i.e., models being trained and tested on the same dataset, is not sufficient to efficiently compare nor conclude anything about their applicability in a real-world scenario. To make the research field more sustainable and representative of the real advances to come. We propose new protocols and metrics based on uncertainty estimates under domain-shift in order to reach the end-goal of pedestrian crossing behavior predictors: vehicle implementation. Note de contenu : 1- Introduction 2- Human activity recognition with pose-driven deep learning models 3- From action recognition to pedestrian discrete intention prediction 4- Assessing the generalization of pedestrian crossing predictors 5- Conclusion Numéro de notice : 24066 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique temps réel, robotique et automatique : Paris Sciences et Lettres : 2022 DOI : sans En ligne : https://tel.hal.science/tel-03813520 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102091 - Salt tectonic imaging at crustal and experimental scales by seismic migration and adjoint method : offshore application context [Thèse/HDR] / Javier Abreu-Torres, Auteur ; José Darrozes, Directeur de thèse ; Roland Martin, Directeur de thèse . - Toulouse : Université de Toulouse 3 Paul Sabatier, 2022 . - 204 p. ; 21 x 30 cm.Bibliographie
Thèse présentée pour l'obtention du Doctorat de l'Université Paul Sabatier Toulouse 3, Spécialité Astrophysique, Sciences de l'Espace, PlanétologieLangues : Anglais (eng)
Descripteur : [Vedettes matières IGN] Traitement du signal[Termes IGN] corrélation d'images[Termes IGN] données géologiques[Termes IGN] modèle 3D du site[Termes IGN] onde sismique[Termes IGN] scène sous-marine[Termes IGN] sel[Termes IGN] structure géologique[Termes IGN] temps de propagation Index. décimale : THESE Thèses et HDR Résumé : (Auteur) La découverte de structures géologiques salines est une raison économique importante pour l'exploration dans le monde car elles constituent un piège naturel pour diverses ressources. Cependant, l'imagerie de ces structures est un grand défi. En raison des propriétés du sel, dont les vitesses de propagation sont beaucoup plus élevées que celles des strates adjacentes, les ondes sismiques sont piégées dans ces structures, produisant un grand nombre d'artefacts numériques parasites, tels que des multiples. Cela interfère avec le signal sismique primaire, ce qui empêche de voir clairement ce qui se trouve sous les structures salifères. Parmi toutes les méthodes d'exploration géophysique, la méthode de migration par renversement temporel (RTM), qui fait partie des méthodes qui utilisent la résolution de la forme d'onde sismique complète, est un outil d'imagerie très puissant, même dans les régions à géologie complexe. Dans ce travail, nous utilisons la méthode RTM basée sur l'adjoint, qui consiste essentiellement en trois étapes : la solution de l'équation des ondes, la solution de l'équation des ondes adjointe et la condition d'imagerie, qui consiste en la corrélation des champs d'ondes directs et adjoints. Ce travail peut être divisé en deux cas d'étude : le premier cas consiste en un modèle synthétique bidimensionnel d'un dôme de sel, issu de la migration finale d'une étude réelle dans le Golfe du Mexique. Le second cas consiste en un modèle tridimensionnel expérimental (WAVES), élaboré par le laboratoire LMA de Marseille, qui simule une structure saline, structures sédimentaires environnantes, et un socle. Le modèle a été immergé dans l'eau pour recréer un sondage marin réaliste. Deux types de données différents ont été obtenus dans cette expérience : des données à décalage nul et des données à décalage multiple. Pour résoudre l'équation des ondes impliquée dans la méthode RTM basée sur l'adjoint, nous utilisons des différences finies d'ordre 4 dans les deux cas. De plus, dans le second cas, nous avons utilisé le code UniSolver, qui résout la méthode RTM basée sur l'adjoint en utilisant des différences finies d'ordre 4 et un parallélisme basé sur MPI. Nous avons mis en œuvre les équations viscoélastiques pour simuler l'effet de l'atténuation. Pour cette raison, le schéma "Checkpointing" est introduit pour calculer la condition d'imagerie et assurer la stabilité physique et numérique. Dans le premier cas d'étude, nous analysons la reconstruction de l'image du dôme de sel que produisent différents noyaux de sensibilité. Nous calculons ces noyaux en utilisant différentes paramétrisations (densité - vitesse P), ou (densité - constantes de Lamé) pour une rhéologie acoustique. Nous étudions également comment l'utilisation de différents modèles a priori affecte l'image finale en fonction du type de noyau calculé. En utilisant les résultats obtenus en 2D, nous calculons des noyaux synthétiques tridimensionnels en utilisant une rhéologie élastique. Dans le second cas, nous effectuons d'abord une calibration des propriétés du modèle pour des données à décalage nul, et une fois que les données synthétiques et réelles s'ajustent bien, nous calculons les noyaux tridimensionnels. Nous résolvons le problème direct pour le cas à décalage multiple avec et sans effets d'atténuation.[...] Note de contenu : 1. General introduction Introduction 1.1 Geological context 1.2 Scope of the study 1.3 Upper crust and near surface imaging 1.4 Introduction (en français) 1.5 Imagerie de la croûte supérieure et de la proche surface 2. Seismic wave equation resolution and seismic imaging methods 2.1 Forward problem equations 2.2 Reverse Time Migration method 2.3 Principles of the LSRTM method 2.4 Principles of the FWI method 2.5 Numerical solution of the wave equation 2.6 Generalization of the Checkpointing-based sensitivity kernel calculations 2.7 Multiple contamination of seismic data 2.8 Conclusions 3. 2D and 3D synthetic sensitivity analysis 3.1 2D synthetic RTM and sensitivity analysis of the kernels 3.2 Results in 2D 3.3 Discussion 3.4 3D synthetic elastic case 3.5 Acknowledgments 4. 3D imaging for a real case 4.1 Introduction 4.2 3D real viscoelastic case: The WAVES model 4.3 Viscoelastic imaging results using FWI 4.4 Discussion 4.5 Conclusions 5. Conclusions and perspectives Numéro de notice : 26942 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Astrophysique, Sciences de l'Espace, Planétologie : Toulouse 3 : 2022 Organisme de stage : Géosciences Environnement Toulouse GET nature-HAL : Thèse DOI : sans Date de publication en ligne : 13/10/2022 En ligne : https://tel.hal.science/tel-03813706/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102118 Reshaping perception for autonomous driving with semantic keypoints (2022)
Reshaping perception for autonomous driving with semantic keypoints [Thèse/HDR] / Lorenzo Bertoni, Auteur . - Lausanne : Ecole Polytechnique Fédérale de Lausanne EPFL, 2022 . - 177 p. ; 21 x 30 cm.bibliographie
Thèse présentée pour l'obtention du grade de Docteur ès Sciences, Ecole Polytechnique Fédérale de Lausanne Langues : Anglais (eng)Descripteur : [Vedettes matières IGN] Intelligence artificielle[Termes IGN] classification par réseau neuronal convolutif[Termes IGN] détection automatique[Termes IGN] détection d'objet[Termes IGN] détection de piéton[Termes IGN] estimation de pose[Termes IGN] navigation autonome[Termes IGN] système multi-agents[Termes IGN] vision par ordinateur Résumé : (auteur) The field of artificial intelligence is set to fuel the future of mobility by driving forward the transition from advanced driver-assist systems to fully autonomous vehicles (AV). Yet the current technology, backed by cutting-edge deep learning techniques, still leads to fatal accidents and does not convey trust. Current frameworks for 3D perception tasks, such as 3D object detection, are not adequate as they (i) do not generalize well to new scenarios, (ii) do not take into account measures of confidence in their predictions, and (iii) are not suitable for large-scale deployment as mainly based on costly LiDAR sensors. This doctoral thesis aims to study vision-based deep learning frameworks that can accurately perceive the world in 3D and generalize to new scenarios. We propose to escape the pixel domain using semantic keypoints, a sparse representation for every object in the scene containing meaningful information for 2D and 3D reasoning. The low-dimensionality enables downstream neural networks to focus on essential elements in the scene and improve their generalization capabilities. Furthermore, driven by the limitation of deep learning architectures outputting point estimates, we study how to estimate a confidence interval for each prediction. In particular, we emphasize vulnerable road users, such as pedestrians and cyclists, and explicitly address the long tail of 3D pedestrian detection to contribute to the safety of our roads. We further show the efficacy of our framework on multiple real-world domains by (a) integrating it in an existing AV pipeline, (b) detecting human-robot eye contact in real-world scenarios, and (c) helping verify the compliance of safety measures in the case of the COVID-19 outbreak. Finally, we publicly release the source code of all our projects and develop a unified library to contribute to an open science mission. Note de contenu : 1- Introduction 2- Semantic keypoints detection 3- Monocular 3D pedestrian localization and uncertainty estimation 4- Tackling the long tail of 3D pedestrian localization with stereo cameras 5- Autonomous driving applications of pedestrian 3D detection 6- Detecting pedestrians attention: Human-robot eye contact in the wild 7- Beyond autonomous driving: Social interactions and social distancing 8- Conclusion Numéro de notice : 24077 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse étrangère Note de thèse : PhD Thesis : Sciences : EPFL : 2022 DOI : 10.5075/epfl-thesis-10072 En ligne : https://doi.org/10.5075/epfl-thesis-10072 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102212 Domain adaptation for urban scene segmentation (2022)
Domain adaptation for urban scene segmentation [Thèse/HDR] / Antoine Saporta, Auteur ; Matthieu Cord, Directeur de thèse . - Paris : Sorbonne Université, 2022 . - 147 p. ; 21 x 30 cm.bibliographie
Thèse de Doctorat de Sorbonne Université, spécialité InformatiqueLangues : Anglais (eng)Descripteur : [Vedettes matières IGN] Traitement d'image optique[Termes IGN] apprentissage profond[Termes IGN] classification non dirigée[Termes IGN] entropie[Termes IGN] Mapillary[Termes IGN] navigation autonome[Termes IGN] réseau antagoniste génératif[Termes IGN] scène urbaine[Termes IGN] segmentation sémantique[Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) This thesis tackles some of the scientific locks of perception systems based on neural networks for autonomous vehicles. This dissertation discusses domain adaptation, a class of tools aiming at minimizing the need for labeled data. Domain adaptation allows generalization to so-called target data that share structures with the labeled so-called source data allowing supervision but nevertheless following a different statistical distribution. First, we study the introduction of privileged information in the source data, for instance, depth labels. The proposed strategy, BerMuDA, bases its domain adaptation on a multimodal representation obtained by bilinear fusion, modeling complex interactions between segmentation and depth. Next, we examine self-supervised learning strategies in domain adaptation, relying on selecting predictions on the unlabeled target data, serving as pseudo-labels. We propose two new selection criteria: first, an entropic criterion with ESL; then, with ConDA, using an estimate of the true class probability. Finally, the extension of adaptation scenarios to several target domains as well as in a continual learning framework is proposed. Two approaches are presented to extend traditional adversarial methods to multi-target domain adaptation: Multi-Dis. and MTKT. In a continual learning setting for which the target domains are discovered sequentially and without rehearsal, the proposed CTKT approach adapts MTKT to this new problem to tackle catastrophic forgetting. Note de contenu : 1- Introduction 2- Unsupervised domain adaptation 3- Leveraging priviledge information for unsupervised domain adaptation 4- Estimating and exploiting confident pseudo-labels for self-training 5- Adaptation to multiple domains 6- Conclusion Numéro de notice : 24079 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Sorbonne Université : 2022 Organisme de stage : Institut des Systèmes Intelligents et de Robotique DOI : sans En ligne : https://theses.hal.science/tel-03886201 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102213 - Optimization of deep neural networks: A functional perspective with applications in image classification [Thèse/HDR] / Simon Roburin, Auteur ; Mathieu Aubry, Directeur de thèse . - Champs-sur-Marne : Ecole des Ponts ParisTech, 2022 . - 141 p. ; 21 x 30 cm.Bibliographie
Thèse de Doctorat de l'Ecole des Ponts ParisTech, spécialité Mathématiques AppliquéesLangues : Anglais (eng)
Descripteur : [Vedettes matières IGN] Traitement d'image optique[Termes IGN] analyse de groupement[Termes IGN] apprentissage profond[Termes IGN] classification par nuées dynamiques[Termes IGN] mathématiques appliquées[Termes IGN] optimisation (mathématiques)[Termes IGN] vision par ordinateur Index. décimale : THESE Thèses et HDR Résumé : (auteur) Despite numerous successes in a wide range of industrial and scientific applications, the learning process of deep neural networks is poorly understood. Loosely speaking, learning aims at finding the network parameters that not only minimize the network errors on a set of training examples but also yield correct predictions on unseen data. Under the prism of optimization, it boils down to minimizing a high dimensional non-convex function. Generalization can generally be expected when one has access to very large datasets and assumes that both training examples and unseen data are sampled from identically independently distributed random variables. The goal of this thesis is to develop analytical tools to better understand neural network optimization and to improve the design of training algorithms in the context of image classification. Note de contenu : 1- Introduction 2- Literature review 3- Impact of Normalization Layers on Optimization 4- Avoid learning spurious correlations 5- Conclusion Numéro de notice : 24098 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Mathématiques Appliquées : Ponts ParisTech : 2022 Organisme de stage : LIGM-IMAGINE En ligne : https://hal.science/tel-03968114v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102573 Représentation et combinaison de l'information géographique pour l'apprentissage profond (2022)
Représentation et combinaison de l'information géographique pour l'apprentissage profond [Article/Communication] / Azelle Courtial, Auteur ; Guillaume Touya, Auteur . - [s.l.] : [s.n.], 2022 . - pp 54 - 65.bibliographieLangues : Français (fre)Descripteur : [Termes IGN] apprentissage profond[Termes IGN] données d'entrainement (apprentissage automatique)[Termes IGN] données vectorielles[Termes IGN] généralisation automatique de données[Termes IGN] représentation des données[Termes IGN] tenseur[Vedettes matières IGN] Généralisation Résumé : (auteur) L’apprentissage profond permet maintenant de générer des cartes transformées à partir d’images d’autres cartes. Mais contrairement aux méthodes traditionnelles de prédiction de carte qui reposent sur des couches de données vectorielles stockées dans des bases de données géographiques, l’image ne transmet qu’une vue limitée des informations contenues dans la version vectorielle des données. Dans cet article, nous nous intéressons à la représentation de l’information géographique sous forme de tenseurs pour améliorer la génération de cartes par apprentissage profond. Nous proposons d’abord une stratégie alternative pour la création des données d’apprentissage : un ensemble de masques où chacun décrit les formes et positions d’un type d’objet géographique sur une même portion de carte (bâtiments, routes, ...). Nous étudions ensuite comment combiner de l’information géographique additionnelle dans les mécanismes d’apprentissage pour améliorer l’abstraction des cartes générées. Numéro de notice : C2022-054 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://hal.science/hal-03719234v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103160 - Une généralisation de la méthode de partage des poids dans le cas où la base de sondage est continue [Article/Communication] / Philippe Brion, Auteur ; Olivier Bouriaud, Auteur ; Guillaume Chauvet, Auteur . - Rennes : Université de Rennes 1, 2022.bibliographieLangues : Français (fre)
Descripteur : [Termes IGN] échantillonnage[Termes IGN] estimateur[Termes IGN] estimation statistique[Termes IGN] inventaire forestier (techniques et méthodes)[Termes IGN] méthode de partage des poids[Termes IGN] quantité continue[Termes IGN] stratification[Termes IGN] variance[Vedettes matières IGN] Inventaire forestier Résumé : (auteur) La définition de l’unité statistique utilisée dans les enquêtes statistiques est une question difficile : les différents ”univers” enquêtés n’ont pas nécessairement une base de sondage directement utilisable, et il arrive que l’on utilise des unités à échantillonner d’une nature différente de celle des unités observées. La production d’estimations statistiques pose alors des problèmes méthodologiques complexes, qui peuvent être traités en utilisant la méthode dite du partage des poids, formalisée par Deville et Lavallée (2006). Cette méthode est basée sur les liens existant entre les deux populations : population échantillonnée et population observée. Cependant, les deux populations considérées dans cette approche sont des populations discrètes. Pour certains domaines d’étude, en particulier liés à des aspects environnementaux, la population échantillonnée est une population continue : c’est par exemple le cas des inventaires forestiers pour lesquels, fréquemment, les arbres enquêtés sont ceux situés sur des placettes dont les centres sont des points tirés de manière aléatoire dans une zone donnée. La production d’estimations statistiques à partir de l’échantillon d’arbres enquêtés pose alors des difficultés de méthode, ainsi que les calculs de variance associés. L’objet de ce papier est de procéder à une généralisation de la méthode de partage des poids au cas continu (population échantillonnée) – discret (population enquêtée), à partir de la formalisation proposée par Cordy en 1993 sur l’extension de l’estimateur de Horvitz-Thompson au tirage de points réalisé dans un univers continu. Numéro de notice : C2022-001 Affiliation des auteurs : LIF+Ext (2020- ) Thématique : FORET Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : http://www.jms-insee.fr/2022/S15_3_ACTE_BOURIAUD_BRION_JMS2022.pdf Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103348 A l'aide ! Je me suis perdu en zoomant
A l'aide ! Je me suis perdu en zoomant [Article/Communication] / Guillaume Touya, Auteur ; María-Jesús Lobo, Auteur ; William A Mackaness, Auteur ; Ian Muehlenhaus, Auteur . - 2022 . - pp 69 - 75.BibliographieLangues : Français (fre)in Cartes & Géomatique > n° 247-248 (mars-juin 2022) . - pp 69 - 75Descripteur : [Termes IGN] échelle cartographique[Termes IGN] interaction homme-machine[Termes IGN] point de repère[Termes IGN] représentation multiple[Termes IGN] visualisation cartographique[Termes IGN] zoom[Vedettes matières IGN] Généralisation Résumé : (Auteur) LostInZoom est un nouveau projet de recherche dont l'objectif est de concevoir de nouvelles manières de zoomer dans une carte multi-échelles, qui réduisent l'effet de désorientation que nous ressentons souvent en utilisant les cartes actuelles. Nous ressentons cette désorientation pendant quelques secondes après un zoom avant ou arrière parce que la carte affichée change durant le zoom. L'idée conductrice de ce projet est de proposer un zoom ancré, dans lequel nous utilisons des points de repère saillants à plusieurs échelles pour ancrer notre carte mentale pendant le zoom. Cet article présente les principales problématiques qui seront abordées dans le projet : (1) mieux comprendre et mesurer la désorientation causée par le zoom ; (2) trouver et modéliser les meilleures points de repères pour ancrer le zoom ; (3) concevoir des cartes multi-échelles plus progressives dans leurs transformations ; (4) concevoir des animations de zoom qui mettent en valeur les ancres à différentes échelles. Numéro de notice : A2022-678 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101898 Identification de relations spatiales par apprentissage profond sur des graphes
Identification de relations spatiales par apprentissage profond sur des graphes [Article/Communication] / Azelle Courtial, Auteur ; Guillaume Touya, Auteur ; Xiang Zhang, Auteur . - 2022 . - pp 77 - 80.BibliographieLangues : Français (fre)in Cartes & Géomatique > n° 247-248 (mars-juin 2022) . - pp 77 - 80Descripteur : [Termes IGN] alignement[Termes IGN] apprentissage profond[Termes IGN] généralisation cartographique automatisée[Termes IGN] relation spatiale[Termes IGN] réseau neuronal convolutif[Termes IGN] réseau routier[Vedettes matières IGN] Généralisation Résumé : (Auteur) L'identification des structures et relations spatiales est une tâche clé de la généralisation cartographique automatique. Dans cet article, nous explorons le potentiel des réseaux d'apprentissage profond par convolution sur des graphes (GCN) pour apprendre à identifier des relations spatiales à travers deux cas d'études : la détection d'alignement et la sélection du réseau routier. Nos résultats sont plutôt encourageants et mettent en lumière les enjeux liés à la construction et l'enrichissement d'une structure de graphes adaptée à la tâche dont on désire l'apprentissage. Numéro de notice : A2022-679 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101900 ReBankment : un algorithme pour déplacer les talus sur les cartes par moindres carrés
ReBankment : un algorithme pour déplacer les talus sur les cartes par moindres carrés [Article/Communication] / Guillaume Touya, Auteur ; Imran Lokhat, Auteur . - 2022 . - pp 81 - 94.BibliographieLangues : Français (fre)in Cartes & Géomatique > n° 247-248 (mars-juin 2022) . - pp 81 - 94Descripteur : [Termes IGN] 1:25.000[Termes IGN] algorithme de généralisation[Termes IGN] carte topographique[Termes IGN] déplacement d'objet géographique[Termes IGN] généralisation cartographique automatisée[Termes IGN] implémentation (informatique)[Termes IGN] jeu de données localisées[Termes IGN] méthode des moindres carrés[Termes IGN] optimisation spatiale[Termes IGN] talus[Vedettes matières IGN] Généralisation Résumé : (Auteur) Même si les progrès récents en automatisation de la généralisation cartographique aident les agences de cartographie nationales à produire leurs cartes topographiques à différentes échelles de plus en plus rapidement, il existe encore des opérations de généralisation que nous ne savons pas automatiser correctement. Par exemple, les talus sont fréquemment représentés par un symbole linéaire avec des barbules représentant le sens de la pente du talus. Ce type de symbole prend de la place et nécessite d'être éloigné des symboles de routes notamment. Cet article propose un algorithme, appelé ReBankment, qui permet de déplacer automatiquement les lignes de talus. L'algorithme utilise une triangulation pour identifier les voisinages entre objets de la carte, puis une optimisation par moindres carrés de la position des points de la ligne de talus, ce qui permet un déplacement sans modifier la forme initiale de la ligne. L'article propose également des moyens pour traiter les cas complexes et les jeux de données massifs. L'algorithme est testé sur des données réelles de l'IGN France pour la généralisation de la carte au 1:25.000 Numéro de notice : A2022-800 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101903 Raster-based method for building selection in the multi-scale representation of two-dimensional maps
Raster-based method for building selection in the multi-scale representation of two-dimensional maps [Article/Communication] / Yilang Shen, Auteur ; Tinghua Ai, Auteur ; Rong Zhao, Auteur . - 2022 . - pp 6494 - 6518.bibliographieLangues : Anglais (eng)in Geocarto international > vol 37 n° 22 [10/10/2022] . - pp 6494 - 6518Descripteur : [Termes IGN] analyse de groupement[Termes IGN] bâtiment[Termes IGN] densité du bâti[Termes IGN] distribution spatiale[Termes IGN] données matricielles[Termes IGN] représentation cartographique 2D[Termes IGN] représentation multiple[Termes IGN] segmentation[Termes IGN] superpixel[Termes IGN] triangulation de Delaunay[Vedettes matières IGN] Généralisation Résumé : (auteur) In the multi-scale representation of maps, a selection operation is usually applied to reduce the number of map elements and improve legibility while maintaining the original distribution characteristics. During the past few decades, many methods for vector building selection have been developed; however, pixel-based methods are relatively lacking. In this paper, a multiple-strategy method for raster building selection is proposed. In this method, to preserve the distribution range, a new homogeneous linear spectral clustering (HLSC) superpixel segmentation method is developed for the relatively homogeneous spatial division of building groups. Then, to preserve the relative distribution density, multi-level spatial division is performed according to the local number of buildings. Finally, to preserve the local geometric, attributive and geographical characteristics, four selection strategies, namely, the minimum centroid distance, minimum boundary distance, maximum area and considering geographical element strategies, are designed to generate selection results. To evaluate the proposed method, dispersed buildings in a suburban area are utilized to perform selection tasks. The experimental results indicate that the proposed method can effectively select dispersed irregular buildings at different levels of detail while maintaining the original distribution range and relative distribution density. In addition, the use of multiple selection strategies considering various geometric, attributive and geographical characteristics provides multiple options for cartography. Numéro de notice : A2022-727 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2021.1943007 Date de publication en ligne : 29/09/2021 En ligne : https://doi.org/10.1080/10106049.2021.1943007 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101673 - PPP–RTK theory for varying transmitter frequencies with satellite and terrestrial positioning applications [Article/Communication] / Peter J.G. Teunissen, Auteur ; Amir Khodabandeh, Auteur . - 2022 . - n° 84.bibliographieLangues : Anglais (eng)in Journal of geodesy > vol 96 n° 11 (November 2022) . - n° 84
Descripteur : [Vedettes matières IGN] Navigation et positionnement[Termes IGN] ambiguïté entière[Termes IGN] fréquence[Termes IGN] positionnement cinématique en temps réel[Termes IGN] positionnement ponctuel précis[Termes IGN] théorie de l'estimation Résumé : (auteur) In this contribution, we generalize PPP–RTK theory by allowing the transmitters to transmit on different frequencies. The generalization is based on the integer-estimability theory of Teunissen (A new GLONASS FDMA model. GPS Solutions, 2019). As the theory and associated algorithms provided are generally applicable, they apply to satellite-based carrier-phase positioning as well as to terrestrial interferometric sensory networks. Based on an identification of the constraints imposed on the admissible ambiguity transformations by PPP–RTK, a fundamental network+user condition is found that determines whether PPP–RTK is possible or not. The discriminating contributions of both the network and user observation equations to this PPP–RTK condition are analysed, followed by a description of PPP–RTK enabling classes of measurement scenarios. Numéro de notice : A2022-796 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article DOI : 10.1007/s00190-022-01665-2 Date de publication en ligne : 26/10/2022 En ligne : https://doi.org/10.1007/s00190-022-01665-2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101934 An unsupervised framework for extracting multilane roads from OpenStreetMap
An unsupervised framework for extracting multilane roads from OpenStreetMap [Article/Communication] / Kunkun Wu, Auteur ; Zhong Xie, Auteur ; et al., Auteur . - 2022 . - pp 2322 - 2344.bibliographieLangues : Anglais (eng)in International journal of geographical information science IJGIS > vol 36 n° 11 (November 2022) . - pp 2322 - 2344Descripteur : [Termes IGN] analyse de groupement[Termes IGN] apprentissage non-dirigé[Termes IGN] extraction de traits caractéristiques[Termes IGN] extraction du réseau routier[Termes IGN] OpenStreetMap[Termes IGN] polygone[Termes IGN] regroupement de pics de densité[Termes IGN] route[Termes IGN] segment de droite[Vedettes matières IGN] Généralisation Résumé : (auteur) Multilane roads are a set of approximately parallel line segments representing the same road in large-scale vector maps. They must be extracted first in cartographic generalization. There are numerous multilane roads in the easily accessible OpenStreetMap (OSM) dataset. For this dataset, polygon-based methods have achieved state-of-the-art performance. However, traditional polygon-based methods usually rely on manually labeled data, which means they are time-consuming and labor-intensive. To address this problem, an unsupervised framework for extracting multilane roads is proposed in this study. Road segments were first grouped to form the road polygons. A set of shape descriptors was formulated to reduce the dimensions of individual road polygons into conceptual points. Next, dimensional shape descriptors were standardized using logarithmic standardization. The density peaks clustering (DPC) algorithm was employed to classify these points. Then, cluster tags were identified manually to recognize which clusters represent multilane polygons. Finally, post-processing learning from the concept of assimilation is proposed to fill holes and remove islands. Experiments were conducted to extract multilane roads with datasets from three cities: Wuhan, Beijing and Munich. The experimental results show that the proposed framework effectively extracted multilane roads without any labels with accuracy levels comparable to those of supervised methods. Numéro de notice : A2022-797 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2107208 Date de publication en ligne : 05/08/2022 En ligne : https://doi.org/10.1080/13658816.2022.2107208 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101956 - Evaluation of automatic prediction of small horizontal curve attributes of mountain roads in GIS environments [Article/Communication] / Sercan Gülci, Auteur ; Afiz Hulusi Acar, Auteur ; Abdullah E. Akay, Auteur ; et al., Auteur . - 2022 . - n° 560.bibliographieLangues : Anglais (eng)in ISPRS International journal of geo-information > vol 11 n° 11 (November 2022) . - n° 560
Descripteur : [Termes IGN] algorithme de Douglas-Peucker[Termes IGN] attribut géomètrique[Termes IGN] coefficient de corrélation[Termes IGN] courbe[Termes IGN] matrice de confusion[Termes IGN] montagne[Termes IGN] réseau routier[Termes IGN] système d'information géographique[Termes IGN] tracé routier[Termes IGN] Turquie[Vedettes matières IGN] Généralisation Résumé : (auteur) Road curve attributes can be determined by using Geographic Information System (GIS) to be used in road vehicle traffic safety and planning studies. This study involves analyzing the GIS-based estimation accuracy in the length, radius and the number of small horizontal road curves on a two-lane rural road and a forest road. The prediction success of horizontal curve attributes was investigated using digitized raw and generalized/simplified road segments. Two different roads were examined, involving 20 test groups and two control groups, using 22 datasets obtained from digitized and surveyed roads based on satellite imagery, GIS estimates, and field measurements. Confusion matrix tables were also used to evaluate the prediction accuracy of horizontal curve geometry. F-score, Mathews Correlation Coefficient, Bookmaker Informedness and Balanced Accuracy were used to investigate the performance of test groups. The Kruskal–Wallis test was used to analyze the statistical relationships between the data. Compared to the Bezier generalization algorithm, the Douglas–Peucker algorithm showed the most accurate horizontal curve predictions at generalization tolerances of 0.8 m and 1 m. The results show that the generalization tolerance level contributes to the prediction accuracy of the number, curve radius, and length of the horizontal curves, which vary with the tolerance value. Thus, this study underlined the importance of calculating generalizations and tolerances following a manual road digitization. Numéro de notice : A2022-847 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi11110560 Date de publication en ligne : 09/11/2022 En ligne : https://doi.org/10.3390/ijgi11110560 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102083 Instance segmentation of standing dead trees in dense forest from aerial imagery using deep learning
Instance segmentation of standing dead trees in dense forest from aerial imagery using deep learning [Article/Communication] / Aboubakar Sani-Mohammed, Auteur ; Wei Yao, Auteur ; Marco Heurich, Auteur . - 2022 . - n° 100024.bibliographieLangues : Anglais (eng)in ISPRS Open Journal of Photogrammetry and Remote Sensing > vol 6 (December 2022) . - n° 100024Descripteur : [Vedettes matières IGN] Traitement d'image optique[Termes IGN] arbre mort[Termes IGN] Bavière (Allemagne)[Termes IGN] bois sur pied[Termes IGN] classification par réseau neuronal convolutif[Termes IGN] détection automatique[Termes IGN] gestion forestière durable[Termes IGN] image à haute résolution[Termes IGN] image aérienne[Termes IGN] image infrarouge couleur[Termes IGN] peuplement mélangé[Termes IGN] puits de carbone[Termes IGN] segmentation sémantique Résumé : (auteur) Mapping standing dead trees, especially, in natural forests is very important for evaluation of the forest's health status, and its capability for storing Carbon, and the conservation of biodiversity. Apparently, natural forests have larger areas which renders the classical field surveying method very challenging, time-consuming, labor-intensive, and unsustainable. Thus, for effective forest management, there is the need for an automated approach that would be cost-effective. With the advent of Machine Learning, Deep Learning has proven to successfully achieve excellent results. This study presents an adjusted Mask R-CNN Deep Learning approach for detecting and segmenting standing dead trees in a mixed dense forest from CIR aerial imagery using a limited (195 images) training dataset. First, transfer learning is considered coupled with the image augmentation technique to leverage the limitation of training datasets. Then, we strategically selected hyperparameters to suit appropriately our model's architecture that fits well with our type of data (dead trees in images). Finally, to assess the generalization capability of our model's performance, a test dataset that was not confronted to the deep neural network was used for comprehensive evaluation. Our model recorded promising results reaching a mean average precision, average recall, and average F1-Score of 0.85, 0.88, and 0.87 respectively, despite our relatively low resolution (20 cm) dataset. Consequently, our model could be used for automation in standing dead tree detection and segmentation for enhanced forest management. This is equally significant for biodiversity conservation, and forest Carbon storage estimation. Numéro de notice : A2022-871 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.ophoto.2022.100024 Date de publication en ligne : 10/11/2022 En ligne : https://doi.org/10.1016/j.ophoto.2022.100024 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102165 - Progressive collapse of dual-line rivers based on river segmentation considering cartographic generalization rules [Article/Communication] / Fubing Zhang, Auteur ; Qun Sun, Auteur ; Jingzhen Ma, Auteur ; et al., Auteur . - 2022 . - n° 609.bibliographieLangues : Anglais (eng)in ISPRS International journal of geo-information > vol 11 n° 12 (December 2022) . - n° 609
Descripteur : [Termes IGN] effondrement (généralisation)[Termes IGN] représentation multiple[Termes IGN] rivière[Termes IGN] segmentation[Termes IGN] triangulation de Delaunay[Vedettes matières IGN] Généralisation Résumé : (auteur) Collapse is a common cartographic generalization operation in multi-scale representation and cascade updating of vector spatial data. During transformation from large- to small-scale, the dual-line river shows progressive collapse from narrow river segment to line. The demand for vector spatial data with various scales is increasing; however, research on the progressive collapse of dual-line rivers is lacking. Therefore, we proposed a progressive collapse method based on vector spatial data. First, based on the skeleton graph of the dual-line river, the narrow and normal river segments are preliminarily segmented by calculating the width of the river. Second, combined with the rules of cartographic generalization, the collapse and exaggeration priority strategies are formulated to determine the handling mode of the river segment. Finally, based on the two strategies, progressive collapse of dual-line rivers is realized by collapse and exaggeration of the river segment. Experimental results demonstrated that the progressive collapse results of the proposed method were scale-driven, and the collapse part had no burr and topology problems, whereas the remaining part was clearly visible. The proposed method can be better applied to progressive collapse of the dual-line river through qualitative and quantitative evaluation with another progressive collapse method. Numéro de notice : A2022-901 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.3390/ijgi11120609 Date de publication en ligne : 06/12/2022 En ligne : https://doi.org/10.3390/ijgi11120609 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102285 - A comparative study on deep-learning methods for dense image matching of multi-angle and multi-date remote sensing stereo-images [Article/Communication] / Hessah Albanwan, Auteur ; Rongjun Qin, Auteur . - 2022 . - pp 385 - 409.bibliographieLangues : Anglais (eng)in Photogrammetric record > vol 37 n° 180 (December 2022) . - pp 385 - 409
Descripteur : [Vedettes matières IGN] Traitement d'image optique[Termes IGN] analyse comparative[Termes IGN] appariement d'images[Termes IGN] apprentissage profond[Termes IGN] classification par réseau neuronal convolutif[Termes IGN] couple stéréoscopique[Termes IGN] modèle stéréoscopique[Termes IGN] précision géométrique (imagerie) Résumé : (auteur) Deep-learning (DL) stereomatching methods gained great attention in remote sensing satellite datasets. However, most of these existing studies conclude assessments based only on a few/single stereo-images lacking a systematic evaluation on how robust DL methods are on satellite stereo-images with varying radiometric and geometric configurations. This paper provides an evaluation of four DL stereomatching methods through hundreds of multi-date multi-site satellite stereopairs with varying geometric configurations, against the traditional well-practiced Census-semi-global matching (SGM), to comprehensively understand their accuracy, robustness, generalisation capabilities, and their practical potential. The DL methods include a learning-based cost metric through convolutional neural networks (MC-CNN) followed by SGM, and three end-to-end (E2E) learning models using Geometry and Context Network (GCNet), Pyramid Stereo Matching Network (PSMNet), and LEAStereo. Our experiments show that E2E algorithms can achieve upper limits of geometric accuracies, while may not generalise well for unseen data. The learning-based cost metric and Census-SGM are rather robust and can consistently achieve acceptable results. All DL algorithms are robust to geometric configurations of stereopairs and are less sensitive in comparison to the Census-SGM, while learning-based cost metrics can generalise on satellite images when trained on different datasets (airborne or ground-view). Numéro de notice : A2022-938 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1111/phor.12430 Date de publication en ligne : 09/11/2022 En ligne : https://doi.org/10.1111/phor.12430 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102684 - Assessing spatio-temporal mapping and monitoring of climatic variability using SPEI and RF machine learning models [Article/Communication] / Saadia Sultan Wahlaa, Auteur ; Jamil Hasan Kazmi, Auteur ; Alireza Sharifi, Auteur ; et al., Auteur . - 2022 . - pp.bibliographieLangues : Anglais (eng)in Geocarto international > vol 37 n° 27 [20/12/2022] . - pp
Descripteur : [Vedettes matières IGN] Applications de télédétection[Termes IGN] apprentissage automatique[Termes IGN] changement climatique[Termes IGN] classification par arbre de décision[Termes IGN] évapotranspiration[Termes IGN] Indice de précipitations antérieures[Termes IGN] modèle de simulation[Termes IGN] Pakistan[Termes IGN] prévision météorologique[Termes IGN] sécheresse Résumé : (auteur) Droughts may inflict significant damage to agricultural and water supplies, resulting in substantial financial losses as well as the death of people and livestock. This study intends to anticipate droughts by studying the changes of an acceptable index using appropriate climatic factors. This study was divided into three phases, first being the determination of the Standardized Precipitation Evapotranspiration (SPEI) index for the Cholistan, Punjab, Pakistan area based on a dataset spanning 1980 to 2020. The indices are calculated at different monthly intervals which could to predict short-term periods for the Cholistan in Pakistan, we selected two distinctive time periods of one month (SPEI–1) and three months (SPEI–3). The second phase involved dividing the data into three sample sizes, which were used for training data from 1980 to 2010, testing data from 2011 to 2015 and validation data from 2016 to 2020. The utilization of the random forest (RF) algorithm to train and evaluate the data using a variety of climate variables e.g. potential evapotranspiration, rainfall, vapor pressure cloud cover, and mean, minimum and maximum, temperature. The final phase was to analyze the performance of the model based on statistical metrics and drought classes. Based on these considerations, statistical measures, such as the Coefficient of Determination (R2) and the Root Mean Square Error (RMSE) approach, were used to evaluate the performance of the test group throughout the testing period. The model's performance revealed the satisfactory results with R2 values of 0.80 and 0.78, for SPEI–1 and SPEI–3 situations, respectively. Following the data analysis, it was discovered that the validation period had a receiving operating curve and area under the Curve (ROC-AUC) of 0.87 for the SPEI–1 case and 0.85 for the SPEI–3 case. In this context, the results indicate that the SPEI may be useful as a prediction tool for drought prediction and the performances the RF model was suitable for both timescales. However, a more rigorous analysis with a larger dataset or a combination of datasets from different areas might be more beneficial for generalization over more extended time periods provide additional insights. Numéro de notice : A2022-934 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2022.2093411 Date de publication en ligne : 30/06/2022 En ligne : https://doi.org/10.1080/10106049.2022.2093411 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102672 - Improving generalized models of forest structure in complex forest types using area- and voxel-based approaches from lidar [Article/Communication] / Andrew W. Whelan, Auteur ; Jeffery B. Cannon, Auteur ; Seth W. Bigelow, Auteur ; et al., Auteur . - 2023 . - n° 113362.bibliographieLangues : Anglais (eng)in Remote sensing of environment > vol 284 (January 2023) . - n° 113362
Descripteur : [Vedettes matières IGN] Lasergrammétrie[Termes IGN] canopée[Termes IGN] classification par maximum de vraisemblance[Termes IGN] diagnostic foliaire[Termes IGN] données lidar[Termes IGN] données localisées 3D[Termes IGN] Géorgie (Etats-Unis)[Termes IGN] modélisation de la forêt[Termes IGN] Pinus palustris[Termes IGN] structure d'un peuplement forestier[Termes IGN] surface forestière[Termes IGN] volume en bois[Termes IGN] voxel Résumé : (auteur) Modeling forest attributes using lidar data has been a useful tool for forest management but the need to correlate lidar to ground-based measurements creates challenges to modeling in diverse forest landscapes. Many lidar models have been based on metrics derived from summarizations of individual lidar returns over sample plot areas, but more recently, metrics based on summarization by volumetric pixel (voxel) have shown promise to better characterize forest structure and distinguish between diverse forest types. Voxel-based metrics may improve characterization of leaf area distribution and horizontal forest structure, which could help create general models of forest attributes applicable in complex landscapes composed of many distinct forest types. We modeled wood volume in longleaf pine woodlands and associated forests to compare how area- and voxel- based lidar metrics predicted wood volume in forest type specific and general predictive models. We created four area-based and six voxel-based metrics to fit models of wood volume using a multiplicative power function. We selected models and compared metric importance using AIC and evaluated model performance using cross-validated mean prediction error. We found that one area-based metric and four voxel-based metrics consistently improved model predictions We suggest that area-based metrics alone may have limitations for characterizing complex forest structure. Area-based summarizes of lidar returns are more heavily influenced by upper canopy returns because lidar returns attenuate below the canopy. By contrast, summarizing lidar returns into a single value per voxel prior to summarization over plots homogenizes point density, giving added weight to sub-canopy returns. Thus voxel-based metrics may be more sensitive to structural variation that may not be adequately captured by area-based metrics alone. This study highlights the potential of voxel-based metrics for characterizing complex forest structure and model generalization capable of accurate forest attribute prediction across diverse forest types. Numéro de notice : A2023-016 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.1016/j.rse.2022.113362 Date de publication en ligne : 23/11/2022 En ligne : https://doi.org/10.1016/j.rse.2022.113362 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102150 - Missing the city for buildings? A critical review of pan-scalar map generalization and design in contemporary zoomable maps [Article/Communication] / Maieul Gruget, Auteur ; Guillaume Touya, Auteur ; Ian Muehlenhaus, Auteur . - 2023.bibliographieLangues : Anglais (eng)in International journal of cartography > vol inconnu (2023)
Descripteur : [Termes IGN] carte interactive[Termes IGN] conception cartographique[Termes IGN] visualisation multiéchelle[Vedettes matières IGN] Généralisation Résumé : (auteur) Most of the maps used today are what we call pan-scalar maps, i.e. interactive zoomable applications comprised of numerous maps of a particular area at different zoom levels (i.e. scales). We argue that such maps require a pan-scalar map design, which may differ significantly from established map design axioms and standards. This review is twofold. First, it reviews current practices in pan-scalar map design. Second, it summarizes and synthesizes literature about pan-scalar map design, as well as human-computer interaction (HCI) best practices for pan-scalar maps. The review of practices is based on a ScaleMaster analysis of the design of three popular pan-scalar maps: Google Maps, OpenStreetMap, and France's IGN Classic. Discussion centers on both stellar and subpar contemporary pan-scalar map design practices to help guide future practical pan-scalar designs and research on pan-scalar maps broadly. Numéro de notice : A2023-077 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/23729333.2022.2153467 Date de publication en ligne : 10/01/2023 En ligne : https://doi.org/10.1080/23729333.2022.2153467 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102515 AnchorWhat : Décompositions de cartes pan-scalaires (2023)
AnchorWhat : Décompositions de cartes pan-scalaires [Article/Communication] / Maieul Gruget, Auteur ; Guillaume Touya, Auteur . - Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-), 2023.Langues : Français (fre)Descripteur : [Vedettes matières IGN] Généralisation Résumé : (auteur) Poster de vulgarisation scientifique à la journée de la recherche IGN 2023. Inspiré de la théorie des ancres de Couclelis et collègues, ce poster présente une méthodologie d'analyse de présence et persistance d'éléments cartographiques à travers différentes explorations cartographiques. Numéro de notice : C2023-002 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Poster nature-HAL : Poster-sans-CL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103185 Exploring the potential of deep learning for map generalization (2023)
Exploring the potential of deep learning for map generalization [Thèse/HDR] / Azelle Courtial, Auteur ; Guillaume Touya, Directeur de thèse ; Xiang Zhang, Directeur de thèse . - Champs-sur-Marne [France] : Université Gustave Eiffel, 2023 . - 216 p.bibliographie
Doctoral thesis from Université Gustave Eiffel, Doctoral school MSTIC, Specialty "Geographic information sciences"Langues : Anglais (eng)Descripteur : [Termes IGN] généralisation automatique de données[Termes IGN] généralisation cartographique automatisée[Termes IGN] relation spatiale[Termes IGN] réseau antagoniste génératif[Termes IGN] réseau neuronal profond[Vedettes matières IGN] Généralisation Index. décimale : THESE Thèses et HDR Résumé : (auteur) Map generalization is a process that aims to adapt the level of detail of geographic information for cartography at a small scale. Automating the process is complex but essential in map production. We think this research field could benefit from the recent advances in deep learning that make it possible to solve more and more complex tasks, using numerous training examples. This thesis proposes exploring the potential of deep learning for map generalization. This exploration is built upon three map generalization use cases: recognition of spatial relations, graphic generalization of mountain roads, and generalization of topographic maps at medium scales. These three use cases enable us to address research questions relative to the concrete implementation of deep learning models for map generalization (including dataset creation and architecture), the evaluation of such models and their integration in existing generalization processes. In addition to the models and training set adapted for each of our case studies already mentioned, we propose evaluation methods adapted to the challenges of cartographic generalization by deep learning. Finally, we propose a partitioning of the cartographic generalization into sub-problems facilitating the resolution by learning and allowing the generation of generalized map images. Note de contenu : Introduction Part 1 A new paradigm for map generalization Chapter A. Literature review Chapter B. Formulating map generalization as a deep learning task Chapter C. Designing a framework for deep learning based map generalization Part 2 Exploration of deep learning for map generalization Chapter D. Can graph neural networks model spatial relations? Chapter E. CNN for the generalization of roads Chapter F. The generation of topographic map with several themes Part III The future of map generalization with deep learning Chapter G. Usages of deep learning models for map generalization Chapter H. Evaluation of deep learning predictions Conclusion Numéro de notice : 17752 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Thèse française Organisme de stage : LASTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 05/05/2023 En ligne : https://theses.hal.science/tel-04089883v1 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103186 Incorporating ideas of structure and meaning in interactive multi scale mapping environments
Incorporating ideas of structure and meaning in interactive multi scale mapping environments [Article/Communication] / Guillaume Touya, Auteur ; Quentin Potié, Auteur ; William A Mackaness, Auteur . - 2023.bibliographieLangues : Anglais (eng)in International journal of cartography > vol inconnu (2023)Descripteur : [Termes IGN] apprentissage automatique[Termes IGN] état de l'art[Termes IGN] généralisation cartographique automatisée[Termes IGN] lisibilité perceptive[Termes IGN] reconnaissance de formes[Termes IGN] web mapping[Vedettes matières IGN] Généralisation Résumé : (auteur) Web based, slippy, scalable maps are common place. Interacting with such digital maps at varying levels of detail is key to interpretation, and exploration of different geographies. The process of abstraction remains key to the immediate and successful interpretation of their many structures and geographical associations found at any given scale. Meaning is derived from such recognisable structures and map generalisation plays a critical role in communicating an entity's most characteristic and salient qualities. But what are these structures? How (and why) do they change over scale? Why are such questions relevant to automated mapping? In this paper we reflect on the value of perceptual studies and reconsider the context in which map generalisation now takes place. We review developments in pattern recognition techniques and the role played by machine learning techniques in identifying high level structures in abstracted maps. The benefits of their application include derivation of ontological descriptions of landscape, identification and preservation of salient landmarks across scales. We argue that a 'structuralist based approach' provides a more meaningful basis for measuring success and achieving more meaningful outputs. Ultimately the ambition is greater levels of automation in map generalisation, particularly in the context of web based solutions. Numéro de notice : A2023-099 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/23729333.2023.2215960 Date de publication en ligne : 01/06/2023 En ligne : https://doi.org/10.1080/23729333.2023.2215960 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103273 Where do people look at during multi-scale map tasks? (2023)
Where do people look at during multi-scale map tasks? [Article/Communication] / Laura Wenclik, Auteur ; Guillaume Touya, Auteur . - Göttingen : Copernicus publications, 2023 . - n° 51; 7 p.. - (AGILE GIScience Series; vol 4) .BibliographieLangues : Anglais (eng)Descripteur : [Termes IGN] carte interactive[Termes IGN] oculométrie[Termes IGN] point de repère[Termes IGN] translation[Termes IGN] visualisation multiéchelle[Termes IGN] zoom[Vedettes matières IGN] Géovisualisation Résumé : (Auteur) In order to design better pan-scalar maps, i.e. interactive, zoomable, multi-scale maps, we need to understand how they are perceived, understood, processed, manipulated by the users. This paper reports an experiment that uses an eye-tracker to analyse the gaze behaviour of users zooming and panning into a pan-scalar map. The gaze data from the experiment shows how people look at landmarks to locate the new map view after a zoom. We also identified different types of behaviours during a zoom when people stare at the mouse cursor, or during a pan where the gaze follows a landmark while the map translates. Numéro de notice : C2023-009 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/agile-giss-4-51-2023 Date de publication en ligne : 06/06/2023 En ligne : https://doi.org/10.5194/agile-giss-4-51-2023 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=103303 PSSNet: Planarity-sensible Semantic Segmentation of large-scale urban meshes
PSSNet: Planarity-sensible Semantic Segmentation of large-scale urban meshes [Article/Communication] / Weixiao Gao, Auteur ; Liangliang Nan, Auteur ; Bas Boom, Auteur ; Hugo Ledoux, Auteur . - 2023 . - pp 32 - 44.BibliographieLangues : Anglais (eng)in ISPRS Journal of photogrammetry and remote sensing > vol 196 (February 2023) . - pp 32 - 44Descripteur : [Vedettes matières IGN] Traitement d'image[Termes IGN] analyse de scène 3D[Termes IGN] champ aléatoire de Markov[Termes IGN] classification dirigée[Termes IGN] contour[Termes IGN] maillage[Termes IGN] Perceptron multicouche[Termes IGN] réseau neuronal de graphes[Termes IGN] scène urbaine[Termes IGN] segmentation sémantique Résumé : (Auteur) We introduce a novel deep learning-based framework to interpret 3D urban scenes represented as textured meshes. Based on the observation that object boundaries typically align with the boundaries of planar regions, our framework achieves semantic segmentation in two steps: planarity-sensible over-segmentation followed by semantic classification. The over-segmentation step generates an initial set of mesh segments that capture the planar and non-planar regions of urban scenes. In the subsequent classification step, we construct a graph that encodes the geometric and photometric features of the segments in its nodes and the multi-scale contextual features in its edges. The final semantic segmentation is obtained by classifying the segments using a graph convolutional network. Experiments and comparisons on two semantic urban mesh benchmarks demonstrate that our approach outperforms the state-of-the-art methods in terms of boundary quality, mean IoU (intersection over union), and generalization ability. We also introduce several new metrics for evaluating mesh over-segmentation methods dedicated to semantic segmentation, and our proposed over-segmentation approach outperforms state-of-the-art methods on all metrics. Our source code is available at https://github.com/WeixiaoGao/PSSNet. Numéro de notice : A2023-064 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2022.12.020 Date de publication en ligne : 02/01/2023 En ligne : https://doi.org/10.1016/j.isprsjprs.2022.12.020 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102399 Where am I now? modelling disorientation in pan-scalar maps
Where am I now? modelling disorientation in pan-scalar maps [Article/Communication] / Guillaume Touya, Auteur ; Maieul Gruget, Auteur ; Ian Muehlenhaus, Auteur . - 2023 . - n° 62.bibliographieLangues : Anglais (eng)in ISPRS International journal of geo-information > vol 12 n° 2 (February 2023) . - n° 62Descripteur : [Termes IGN] cognition[Termes IGN] données multiéchelles[Termes IGN] échelle cartographique[Termes IGN] interaction homme-machine[Termes IGN] lecture de carte[Termes IGN] représentation mentale[Termes IGN] représentation mentale spatiale[Termes IGN] représentation multiple[Vedettes matières IGN] Généralisation Résumé : (auteur) Disorientation is a common feeling for all users of zoomable multi-scale maps, even for those with good orientation and spatial skills. We make the assumption that this problem is mainly due to the desert fog effect, documented in human–computer interaction within multi-scale zoomable environments. Starting with a collection of reported experiences of disorientation, this paper explores this notion from the spatial cognition, philosophical and human–computer interaction perspectives and proposes a model of disorientation in the exploration of multi-scale maps. We argue that disorientation is a problem of reconciliation between the current map view and the mental map of the user, where landmarks visible on the map or memorised in the mental map play a key role. The causes for failed reconciliation are discussed and illustrated by our collected experiences of disorientation. Numéro de notice : A2023-130 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi12020062 En ligne : https://doi.org/10.3390/ijgi12020062 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102585 Deriving map images of generalised mountain roads with generative adversarial networks
Deriving map images of generalised mountain roads with generative adversarial networks [Article/Communication] / Azelle Courtial, Auteur ; Guillaume Touya, Auteur ; Xiang Zhang, Auteur . - 2023 . - pp 499 - 528.bibliographieLangues : Anglais (eng)in International journal of geographical information science IJGIS > vol 37 n° 3 (March 2023) . - pp 499 - 528Descripteur : [Termes IGN] analyse comparative[Termes IGN] apprentissage dirigé[Termes IGN] apprentissage non-dirigé[Termes IGN] carte routière[Termes IGN] données d'entrainement (apprentissage automatique)[Termes IGN] généralisation cartographique automatisée[Termes IGN] montagne[Termes IGN] réseau antagoniste génératif[Vedettes matières IGN] Généralisation Résumé : (auteur) Map generalisation is a process that transforms geographic information for a cartographic at a specific scale. The goal is to produce legible and informative maps even at small scales from a detailed dataset. The potential of deep learning to help in this task is still unknown. This article examines the use case of mountain road generalisation, to explore the potential of a specific deep learning approach: generative adversarial networks (GAN). Our goal is to generate images that depict road maps generalised at the 1:250k scale, from images that depict road maps of the same area using un-generalised 1:25k data. This paper not only shows the potential of deep learning to generate generalised mountain roads, but also analyses how the process of deep learning generalisation works, compares supervised and unsupervised learning and explores possible improvements. With this experiment we have exhibited an unsupervised model that is able to generate generalised maps evaluated as good as the reference and reviewed some possible improvements for deep learning-based generalisation, including training set management and the definition of a new road connectivity loss. All our results are evaluated visually using a four questions process and validated by a user test conducted on 113 individuals. Numéro de notice : A2023-073 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2022.2123488 Date de publication en ligne : 20/10/2022 En ligne : https://doi.org/10.1080/13658816.2022.2123488 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101901 - Domain adaptation in segmenting historical maps: A weakly supervised approach through spatial co-occurrence [Article/Communication] / Sidi Wu, Auteur ; Konrad Schindler, Auteur ; Magnus Heitzler, Auteur ; et al., Auteur . - 2023 . - pp 199 - 211.bibliographieLangues : Anglais (eng)in ISPRS Journal of photogrammetry and remote sensing > vol 197 (March 2023) . - pp 199 - 211
Descripteur : [Vedettes matières IGN] Traitement d'image optique[Termes IGN] carte ancienne[Termes IGN] cartographie historique[Termes IGN] classification dirigée[Termes IGN] détection de changement[Termes IGN] données anciennes[Termes IGN] matrice de co-occurrence[Termes IGN] réseau antagoniste génératif[Termes IGN] segmentation d'image[Termes IGN] vision par ordinateur Résumé : (auteur) Historical maps depict past states of the Earth’s surface and make it possible to trace the natural or anthropogenic evolution of geographic objects back through time. However, the state of the depicted reality is not the only source of change: maps of varying age can differ in terms of graphical design, and also in terms of storage conditions, physical ageing of pigments, and the scanning process for digitization. Consequently, a computer vision system learned from a specific (source) map series will often not generalize well to older or newer (target) maps, calling for domain adaptation. In the present paper we examine – to our knowledge for the first time – domain adaptation for segmenting historical maps. We argue that for geo-spatial data like maps, which are geo-localized by definition, the spatial co-occurrence of geographical objects provides a supervision signal for domain adaptation. Since only a subset of all mapped objects co-occur, and even those are not perfectly aligned due to both real topographic changes and variations in map generalization/production, they only provide weak supervision — still they can bring a substantial benefit over completely unsupervised domain adaptation methods. The core of our proposed method is a novel self-supervised co-occurrence network that detects co-occurring objects across maps (specifically, domains) with a novel loss function that allows for object changes and spatial misalignment. Experiments show that, for the task of segmenting hydrological objects such as rivers, lakes and wetlands, our system significantly outperforms two state-of-art baselines, even with limited supervision (e.g., 5%). The source code is publicly available at https://github.com/sian-wusidi/spatialcooccurrence. Numéro de notice : A2023-146 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2023.01.021 Date de publication en ligne : 14/02/2023 En ligne : https://doi.org/10.1016/j.isprsjprs.2023.01.021 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102804
