Modélisation, détection et classification d'objets urbains à partir d’images photographiques aériennes
- 1 April 2026
- thesis
- Published by Agence Bibliographique de l'Enseignement Supérieur
Abstract
Cette thèse aborde des problèmes liés à la localisation et reconnaissance d'objets urbains dans des images aériennes de très haute définition. Les objets urbains se caractérisent par une représentation très variable en terme de forme, texture et couleur. De plus, ils sont présents de multiples fois sur les images à analyser et peuvent être collés les uns aux autres. Pour effectuer la localisation et reconnaissance automatiquement des différents objets nous proposons d'utiliser des approches d'apprentissage supervisé. De part leurs caractéristiques, les objets urbains sont difficilement détectables et les approches classiques de détections n'offrent pas de performances satisfaisantes. Nous avons proposé l'utilisation d'un réseau de séparateurs à vaste marge (SVM) afin de mieux fusionner les informations issues des différentes résolutions et donc d'améliorer la représentativité de l'objet urbain. L'utilisation de réseau de SVM permet d'améliorer les performances mais à un coût calculatoire important. Nous avons alors proposé d'utiliser un chemin d'activation permettant de réduire la complexité sans perdre en efficacité. Ce chemin va activer le réseau de manière séquentielle et stoppera l'exploration lorsque la probabilité de détection d'un objet est importante. Dans le cas d'une localisation basée sur l'extraction de caractéristiques puis la classification, la réduction calculatoire est d'un facteur cinq. Par la suite, nous avons montré que nous pouvons combiner le réseau de SVM avec les cartes de caractéristiques issues de réseaux de neurones convolutifs. Cette architecture combinée avec le chemin d'activation permet une réduction théorique du coût d'activation pouvant aller jusqu'à 97% avec un gain de performances d'environ 8% sur les données utilisées. Les méthodes développées ont pour objectif d'être intégrées dans un logiciel de la société Berger-Levrault afin de faciliter et d'améliorer la gestion de cadastre dans les collectivités locales.Keywords
This publication has 85 references indexed in Scilit:
- Ten Years of Pedestrian Detection, What Have We Learned?2015
- The Pascal Visual Object Classes Challenge: A RetrospectiveInternational Journal of Computer Vision, 2014
- Image orientation detection using LBP-based features and logistic regressionMultimedia Tools and Applications, 2013
- Evaluation of Pooling Operations in Convolutional Architectures for Object Recognition2010
- Efficient Object Pixel-Level Categorization Using Bag of Features2009
- Object Recognition by Integrating Multiple Image Segmentations2008
- RETIN: A Content-Based Image Indexing and Retrieval SystemPattern Analysis and Applications, 2001
- NeTra: A toolbox for navigating large image databasesMultimedia Systems, 1999
- A Decision-Theoretic Generalization of On-Line Learning and an Application to BoostingJournal of Computer and System Sciences, 1997
- Texture classification by center-symmetric auto-correlation, using Kullback discrimination of distributionsPattern Recognition Letters, 1995