Author: "Laure Tougne" - Searchworks@Jio Institute Digital Library Search Results

Author: Guillaume Cerutti, Laure Tougne, Céline Sacca, Thierry Joliveau, Pierre-Olivier Mazagol, Didier Coquin, and Antoine Vacavant
Published: 2013

61. Circle digitization and cellular automata.

Author: Laure Tougne
Published: 1996
Full Text: View/download PDF

62. ReVeS Participation - Tree Species Classification Using Random Forests and Botanical Features.

Author: Guillaume Cerutti, Violaine Antoine, Laure Tougne, Julien Mille, Lionel Valet, Didier Coquin, and Antoine Vacavant
Published: 2012

63. Training An Embedded Object Detector For Industrial Settings Without Real Images

Author: Carlos Crispim-Junior, Jean-Marc Chiappa, Julia Cohen, and Laure Tougne
Subjects: Computer science, business.industry, Training (meteorology), Object detector, Computer vision, Artificial intelligence, Real image, business
Published: 2021

64. Guiding Active Contours for Tree Leaf Segmentation and Identification.

Author: Guillaume Cerutti, Laure Tougne, Julien Mille, Antoine Vacavant, and Didier Coquin
Published: 2011

65. An elementary algorithm for digital arc segmentation.

Author: David Coeurjolly, Laure Tougne, Yan Gérard, and Jean-Pierre Reveillès
Published: 2001
Full Text: View/download PDF

66. An approach for the estimation of the precision of a real object from its digitization.

Author: Fabien Feschet and Laure Tougne
Published: 2001
Full Text: View/download PDF

67. CTIS-Net: A Neural Network Architecture for Compressed Learning Based on Computed Tomography Imaging Spectrometers

Author: Carlos Crispim-Junior, Gérald Germain, Clément Douarre, David Rousseau, Laure Tougne, Anthony Gelibert, Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2), Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS), Université d'Angers (UA), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)
Subjects: Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Imaging spectrometer, 02 engineering and technology, Iterative reconstruction, 01 natural sciences, Convolutional neural network, Image (mathematics), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 010309 optics, 0103 physical sciences, 0202 electrical engineering, electronic engineering, information engineering, Computer vision, ComputingMilieux_MISCELLANEOUS, [PHYS.PHYS.PHYS-OPTICS]Physics [physics]/Physics [physics]/Optics [physics.optics], Spectrometer, business.industry, Hyperspectral imaging, Computer Science Applications, Computational Mathematics, Signal Processing, Snapshot (computer storage), 020201 artificial intelligence & image processing, Artificial intelligence, Cube, business
Abstract: The Computed Tomography Imaging Spectrometer (CTIS) permits a snapshot acquisition of a hyperspectral cube, through the creation of an image of indirect measurements which is then traditionally used for reconstruction of the cube. This reconstruction step is time-consuming and only yields an approximation of the original cube. Following a compressed learning framework, we compare the performance of a classification task carried out on reconstructed cubes on one hand, directly on the raw images on the other. Regarding the latter case, we propose in particular the use of a new Convolutional Neural Network (CNN) architecture called CTIS-Net, whose architecture is tailored to benefit from the specific structure of CTIS images. Results show a sizable increase compared to classification with a standard architecture and compared to a conventional classification on the reconstructed cubes.
Published: 2021

68. Tools Against Oblivion: 3D Visualization of Sunken Landscapes and Cultural Heritages Applied to a Dam Reservoir in the Gorges de la Loire (France)

Author: Pierre Niogret, Pierre-Olivier Mazagol, Rémi Ratajczak, Michel Depeyre, Jérémie Riquier, Carlos Crispim-Junior, Laure Tougne, Environnement, Ville, Société (EVS), École normale supérieure de Lyon (ENS de Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Université Jean Monnet - Saint-Étienne (UJM), Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Environnement Ville Société (EVS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), Université Jean Monnet [Saint-Étienne] (UJM), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: Geographic information system, business.industry, Geography, Planning and Development, Flooding (psychology), Environmental resource management, Visibility (geometry), 0211 other engineering and technologies, 021107 urban & regional planning, 02 engineering and technology, [SHS.GEO]Humanities and Social Sciences/Geography, 010501 environmental sciences, 15. Life on land, 01 natural sciences, [SDE.ES]Environmental Sciences/Environmental and Society, Visualization, Cultural heritage, Backup, Anthropocene, Earth and Planetary Sciences (miscellaneous), Geovisualization, Computers in Earth Sciences, business, [SHS.HIST]Humanities and Social Sciences/History, ComputingMilieux_MISCELLANEOUS, 0105 earth and related environmental sciences
Abstract: Around the world, thousands of reservoir dams have flooded valleys and become concrete symbols of the Anthropocene. These landscapes, as well as material or immaterial cultural heritages, were flooded and thus became invisible, even though they remain in the memories of local populations. Today, alternative technologies can enable inhabitants to reappropriate these lost heritages and, in a way, make them visible again. 3D digital tools can effectively recreate representations of these landscapes and restore the visibility of these underwater heritage sites. In this study, we propose a 3D geographic information system methodology combined with 3D geovisualization to recreate sunken landscapes, and we demonstrate the results using the valley of the Gorges de la Loire in France as an example. We show how developing a historical database can provide a “backup copy” of lost landscapes and cultural heritage sites, enabling populations to safeguard and restore these features in their memory following flooding.
Published: 2021

69. On the Value of CTIS imagery for Neural Network Based Classification Experimental Results

Author: Anthony Gelibert, David Rousseau, Carlos Crispim Junior, Clément Douarre, Laure Tougne, Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2), Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS), Université d'Angers (UA), and Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)
Subjects: [PHYS.PHYS.PHYS-OPTICS]Physics [physics]/Physics [physics]/Optics [physics.optics], Spectrometer, Artificial neural network, business.industry, Computer science, Perspective (graphical), ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Imaging spectrometer, Mode (statistics), Hyperspectral imaging, Pattern recognition, 02 engineering and technology, 021001 nanoscience & nanotechnology, Real image, 01 natural sciences, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 010309 optics, Computer Science::Computer Vision and Pattern Recognition, 0103 physical sciences, Snapshot (computer storage), Artificial intelligence, 0210 nano-technology, business, ComputingMilieux_MISCELLANEOUS
Abstract: The computed tomography imaging spectrometer (CTIS) is a snapshot hyper-spectral imaging system which has recently been demonstrated of value when used in a compressed learning mode. In such a mode, the raw data are not reconstructed in an hyperspectral cube but are directly transmitted to a neural network to perform classification. While the previous investigations on this topic were limited to a simulation perspective, we extend these results to real images and demonstrate the possibility to train the network on simulated data and apply this trained model successfully on real images.
Published: 2021

70. Registering Unmanned Aerial Vehicle Videos in the Long Term

Author: Carlos Crispim-Junior, Laure Tougne, Lionel Robinault, Pierre Lemaire, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and Foxstream
Subjects: 0209 industrial biotechnology, Computer science, 02 engineering and technology, drone, lcsh:Chemical technology, Biochemistry, Article, Analytical Chemistry, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 020901 industrial engineering & automation, Data acquisition, registration, 0202 electrical engineering, electronic engineering, information engineering, unmanned aerial vehicle, lcsh:TP1-1185, Computer vision, Electrical and Electronic Engineering, Instrumentation, ComputingMilieux_MISCELLANEOUS, Jitter, Background subtraction, business.industry, Perspective (graphical), [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Video processing, Atomic and Molecular Physics, and Optics, Term (time), stabilization, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 020201 artificial intelligence & image processing, Artificial intelligence, business
Abstract: International audience; Unmanned aerial vehicles (UAVs) have become a very popular way of acquiring video within contexts such as remote data acquisition or surveillance. Unfortunately, their viewpoint is often unstable, which tends to impact the automatic processing of their video flux negatively. To counteract the effects of an inconsistent viewpoint, two video processing strategies are classically adopted, namely registration and stabilization, which tend to be affected by distinct issues, namely jitter and drifting. Following our prior work, we suggest that the motion estimators used in both situations can be modeled to take into account their inherent errors. By acknowledging that drifting and jittery errors are of a different nature, we propose a combination that is able to limit their influence and build a hybrid solution for jitter-free video registration. In this work, however, our modeling was restricted to 2D-rigid transforms, which are rather limited in the case of airborne videos. In the present paper, we extend and refine the theoretical ground of our previous work. This addition allows us to show how to practically adapt our previous work to perspective transforms, which our study shows to be much more accurate for this problem. A lightweight implementation enables us to automatically register stationary UAV videos in real time. Our evaluation includes traffic surveillance recordings of up to 2 h and shows the potential of the proposed approach when paired with background subtraction tasks.
Published: 2021

71. Spatio-Temporal Convolutional Autoencoders for Perimeter Intrusion Detection

Author: Quentin Barthélemy, Lionel Robinault, Laure Tougne, Sarah Bertrand, Carlos Crispim-Junior, Devashish Lohani, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and Foxstream
Subjects: Scheme (programming language), Source code, Computer science, media_common.quotation_subject, Context (language use), 02 engineering and technology, Intrusion detection system, 010501 environmental sciences, Unsupervised learning, 01 natural sciences, Spatio-temporal data, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Task (project management), [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], 0202 electrical engineering, electronic engineering, information engineering, Perimeter intrusion detection, [INFO]Computer Science [cs], 0105 earth and related environmental sciences, computer.programming_language, media_common, 3D convolutions, business.industry, Supervised learning, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Pattern recognition, Autoencoder, Convolutional autoencoder, 020201 artificial intelligence & image processing, Artificial intelligence, business, computer
Abstract: In the video surveillance context, a perimeter intrusion detection system (PIDS) aims to detect the presence of an intrusion in a secured perimeter. Existing camera based approaches relies on hand crafted rules, image based classification and supervised learning. In a real world intrusion detection system, we need to learn spatio-temporal features unsupervisely (as annotated data are very difficult to obtain) and use these features to detect intrusions. To tackle this problem, we propose to use a 3D convolutional autoencoder. It is inspired from the DeepFall paper where they use it for an unsupervised fall detection task. In this paper, we reproduce their results on the fall detection task and further extend this model to detect intrusions in a perimeter intrusion dataset. We also provide an extended evaluation scheme which helps to draw essential insights from the results. Our results (The source code is available at https://gitlab.liris.cnrs.fr/dlohani/stcae_pids.) show that we correctly reproduce the results of fall detection task and furthermore our model shows competitive performance in perimeter intrusion detection task. To our knowledge, it is the first time when a PIDS is made in a fully unsupervised manner while jointly learning the spatio-temporal features from a video-stream.
Published: 2021

72. Automated quantification of floating wood pieces in rivers from video monitoring: a new software tool and validation

Author: Hervé Piégay, Zhang Zhi, Laure Tougne, Hossein Ghaffarian, Pierre Lemaire, Bruce MacVicar, Environnement Ville Société (EVS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2), Department of Civil and Environmental Engineering [Waterloo], University of Waterloo [Waterloo], Environnement, Ville, Société (EVS), École normale supérieure de Lyon (ENS de Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Extraction de Caractéristiques et Identification (imagine), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), ANR-17-EURE-0018,H2O'LYON,School of Integrated Watershed Sciences(2017), École normale supérieure - Lyon (ENS Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet [Saint-Étienne] (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet [Saint-Étienne] (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS)
Subjects: 010504 meteorology & atmospheric sciences, business.industry, Computer science, Real-time computing, Process (computing), Large wood, Software performance testing, [SHS.GEO]Humanities and Social Sciences/Geography, 010502 geochemistry & geophysics, 01 natural sciences, Flooding (computer networking), Wood flux, Software, 13. Climate action, Component (UML), Video tracking, River monitoring, [SDE]Environmental Sciences, Key (cryptography), Automatic detection, Ground video imagery, business, Videography, Wood discharge, 0105 earth and related environmental sciences
Abstract: Wood is an essential component of rivers and plays a significant role in ecology and morphology. It can be also considered as a risk factor in rivers due to its influence on erosion and flooding. Quantifying and characterizing wood fluxes in rivers during floods would improve our understanding of the key processes but is hindered by technical challenges. Among various techniques for monitoring wood in rivers, streamside videography is a powerful approach to quantify different characteristics of wood in rivers, but past research has employed a manual approach that has many limitations. In this work, we introduce new software for the automatic detection of wood pieces in rivers. We apply different image analysis techniques such as static and dynamic masks, object tracking, and object characterization to minimize false positive and missed detections. To assess the software performance, results are compared with manual detections of wood from the same videos, which was a time-consuming process. Key parameters that affect detection are assessed including surface reflections, lighting conditions, flow discharge, wood position relative to the camera, and the length of wood pieces. Preliminary results had a 36 % rate of false-positive detection, primarily due to light reflection and water waves, but post-processing reduced this rate to 15 %. The missed detection rate was 71 % of piece numbers in the preliminary result, but post-processing reduced this error to only 6.5 % of piece numbers, and 13.5 % of volume. The high precision of the software shows that it can be used to massively increase the quantity of wood flux data in rivers around the world, potentially in real-time. The significant impact of post-processing indicates that it is necessary to train the soft-ware in various situations (location, timespan, weather conditions) to ensure reliable results. Manual wood detections and annotations for this work took more than one human-month of labor. In comparison, the presented software coupled with an appropriate post-processing step performed the same task in real-time (55 hr) on a standard desktop computer.
Published: 2020

73. Semantic Segmentation Post-processing with Colorized Pairwise Potentials and Deep Edges

Author: Laure Tougne, Elodie Faure, Rémi Ratajczak, Carlos Crispim, Béatrice Fervers, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Département cancer environnement (Centre Léon Bérard - Lyon), Centre Léon Bérard [Lyon], Agence de l'Environnement et de la Maîtrise de l'Energie (ADEME), LABEX IMU (ANR-10-LABX-0088/ ANR-11-IDEX-0007)., ADEME (N TEZ17-42), Centre Léon Bérard, IEEE, TESTIS, and IMU GOURAMIC
Subjects: Conditional random field, Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 0211 other engineering and technologies, 02 engineering and technology, Grayscale, Deep Edges, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Segmentation, Deep Learning, Land Use, 0202 electrical engineering, electronic engineering, information engineering, 021101 geological & geomatics engineering, Pixel, business.industry, Deep learning, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Pattern recognition, Object (computer science), [SDE.ES]Environmental Sciences/Environmental and Society, Panchromatic film, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 020201 artificial intelligence & image processing, Pairwise comparison, Artificial intelligence, business
Abstract: International audience; Semantic segmentation is the task of assigning a label to each pixel in an image, providing high level insights to a wide range of end-user applications like autonomous driving, medical imaging and land use mapping. However, semantic segmentation results are not always consistent with the object boundaries and may sometimes lack of spatial consistency. To solve these problems, post-processing algorithms have been proposed, paving the way for more robust pipelines. In this work, we study a novel post-processing approach to enhance semantic segmentation of panchromatic aerial images based on unsupervised colorization and deep edge superpixels. In particular, we propose to assess whether applying a colorization algorithm could enhance the strength of the pairwise potentials used in an extended dense conditional random field. We present experiments on recent aerial color images that we convert to grayscale before colorization, allowing us to assess how colorized representations impact post-processing when compared to real color and panchromatic representations.
Published: 2020

74. Semantic Segmentation Refinement with Deep Edge Superpixels to Enhance Historical Land Cover

Author: Laure Tougne, Rémi Ratajczak, Béatrice Fervers, Carlos Crispim-Junior, Elodie Faure, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Département cancer environnement (Centre Léon Bérard - Lyon), Centre Léon Bérard [Lyon], Agence de l'Environnement et de la Maîtrise de l'Energie (ADEME), LABEX IMU (ANR-10-LABX-0088/ ANR-11-IDEX-0007)., ADEME (N TEZ17-42), Centre Léon Bérard, IEEE, TESTIS, IMU GOURAMIC, Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)
Subjects: Conditional random field, Computer science, 02 engineering and technology, Land cover, 010501 environmental sciences, 01 natural sciences, Deep Edges, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Segmentation, Deep Learning, Land Use, 0202 electrical engineering, electronic engineering, information engineering, ComputingMilieux_MISCELLANEOUS, 0105 earth and related environmental sciences, business.industry, Deep learning, Land use land cover, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Pattern recognition, Image segmentation, 15. Life on land, Classification, [SDE.ES]Environmental Sciences/Environmental and Society, Historical Land Use, Kernel (image processing), [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 020201 artificial intelligence & image processing, Artificial intelligence, business
Abstract: International audience; In this work, we explore a post-processing method to enhance coarse semantic segmentation of historical aerial images. We propose to use deep edges to generate semantically meaningful superpixels that we integrate as additional pairwise potentials in a dense conditional random field. We apply our approach on very high resolution images acquired between 1975 and 1995 and annotated with land use land cover labels. Results show the interest of our approach compared to other post-processing methods.
Published: 2020

75. CAD-based Learning for Egocentric Object Detection in Industrial Context

Author: Céline Grange-Faivre, Julia Cohen, Laure Tougne, Carlos Crispim-Junior, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and CIFRE n°2018/0872
Subjects: business.industry, Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Image content, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], 020207 software engineering, Context (language use), CAD, 02 engineering and technology, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], Real image, Convolutional neural network, Object detection, Task (project management), Database Generation, Object Detection, 0202 electrical engineering, electronic engineering, information engineering, 020201 artificial intelligence & image processing, Computer vision, Egocentric, [INFO]Computer Science [cs], Artificial intelligence, business, Set (psychology)
Abstract: International audience; Industries nowadays have an increasing need of real-time and accurate vision-based algorithms. Although the performance of object detection methods improved a lot thanks to massive public datasets, instance detection in industrial context must be approached differently, since annotated images are usually unavailable or rare. In addition, when the video stream comes from a head-mounted camera, we observe a lot of movements and blurred frames altering the image content. For this purpose, we propose a framework to generate a dataset of egocentric synthetic images using only CAD models of the objects of interest. To evaluate different strategies exploiting synthetic and real images, we train a Convolutional Neural Network (CNN) for the task of object detection in egocentric images. Results show that training a CNN on synthetic images that reproduce the characteristics of egocentric vision may perform as well as training on a set of real images, reducing, if not removing, the need to manually annotate a large quantity of images to achieve an accurate performance.
Published: 2020

76. On the value of CTIS imagery for neural-network-based classification: a simulation perspective

Author: Clément Douarre, David Rousseau, Anthony Gelibert, Carlos Crispim-Junior, Laure Tougne, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Institut de Recherche en Horticulture et Semences (IRHS), Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)-AGROCAMPUS OUEST, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Université d'Angers (UA), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS), Université d'Angers (UA), Université d'Angers (UA)-AGROCAMPUS OUEST, and Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE)
Subjects: medicine.medical_specialty, Computer science, Imaging spectrometer, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Image processing, Computed tomography, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], 01 natural sciences, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 010309 optics, Optics, 0103 physical sciences, medicine, Computer vision, Electrical and Electronic Engineering, Engineering (miscellaneous), ComputingMilieux_MISCELLANEOUS, medicine.diagnostic_test, Artificial neural network, Pixel, business.industry, Hyperspectral imaging, Atomic and Molecular Physics, and Optics, Spectral imaging, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Artificial intelligence, business
Abstract: The computed tomography imaging spectrometer (CTIS) is a snapshot hyperspectral imaging system. Its output is a 2D image of multiplexed spatiospectral projections of the hyperspectral cube of the scene. Traditionally, the 3D cube is reconstructed from this image before further analysis. In this paper, we show that it is possible to learn information directly from the CTIS raw output, by training a neural network to perform binary classification on such images. The use case we study is an agricultural one, as snapshot imagery is used substantially in this field: the detection of apple scab lesions on leaves. To train the network appropriately and to study several degrees of scab infection, we simulated CTIS images of scabbed leaves. This was made possible with a novel CTIS simulator, where special care was taken to preserve realistic pixel intensities compared to true images. To the best of our knowledge, this is the first application of compressed learning on a simulated CTIS system.
Published: 2020

77. Novel data augmentation strategies to boost supervised segmentation of plant disease

Author: Carlos Crispim-Junior, Anthony Gelibert, David Rousseau, Clément Douarre, Laure Tougne, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Conception et Test de SYStèmes embarqués (CTSYS), Laboratoire de Conception et d'Intégration des Systèmes (LCIS), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Images et Modèles, Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS), Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Jean Monnet [Saint-Étienne] (UJM)-Hospices Civils de Lyon (HCL)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Hospices Civils de Lyon (HCL)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), and CCSD, Accord Elsevier
Subjects: 0106 biological sciences, [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], Computer science, business.industry, Supervised learning, Forestry, Pattern recognition, 04 agricultural and veterinary sciences, Horticulture, 01 natural sciences, Convolutional neural network, Plant disease, Computer Science Applications, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Market segmentation, 040103 agronomy & agriculture, 0401 agriculture, forestry, and fisheries, Segmentation, Artificial intelligence, F1 score, Scale (map), Precision and recall, business, Agronomy and Crop Science, 010606 plant biology & botany
Abstract: Clément Douarre gratefully acknowledges ANRT for CIFRE PhD funding under 2017/0639.; International audience; Annotation of images in supervised learning is notably costly and time-consuming. In order to reduce this cost, our objective was to generate images from a smalldataset of annotated images, and then use those synthesized images to help the network’s training process. In this article, we tackled for illustration with agriculturalmaterial the difficult segmentation task of apple scab on images of apple plant canopy by using convolutional neural networks. We devised two novel methods ofgenerating data for this use case: one based on a plant canopy simulation and the other on Generative Adversatial Networks (GANs). As a result, we found thatsimulated data could provide an important increase in segmentation performance, up to a 17% increase of F1 score (a measure taking into account precision andrecall), compared to segmenting with weights initialized on ImageNet. In this way, we managed to obtain, with small datasets, higher segmentation scores than theones obtained with bigger datasets if using no such augmentations. Moreover, we left our annotated dataset of scab available for the plant science imaging com-munity. The proposed method is of large applicability for plant diseases observed at a canopy scale.
Published: 2019

78. When spectro-imaging meets machine learning

Author: Clément Douarre, Laure Tougne, Carlos Crispim-Junior, Anthony Gelibert, David Rousseau, Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2), Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS), Université d'Angers (UA), Extraction de Caractéristiques et Identification (imagine), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Spatio-Temporal Activity Recognition Systems (STARS), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Conception et Test de SYStèmes embarqués (CTSYS), Laboratoire de Conception et d'Intégration des Systèmes (LCIS), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Université Pierre Mendès France - Grenoble 2 (UPMF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology-Université Pierre Mendès France - Grenoble 2 (UPMF)-Institut Polytechnique de Grenoble - Grenoble Institute of Technology, and Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)
Subjects: ComputingMilieux_MISCELLANEOUS, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract: International audience
Published: 2019

79. A strategy for multimodal canopy images registration

Author: Clément Douarre, Carlos Crispim-Junior, Anthony Gelibert, David Rousseau, Laure Tougne, Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2), Laboratoire Angevin de Recherche en Ingénierie des Systèmes (LARIS), Université d'Angers (UA), Conception et Test de SYStèmes embarqués (CTSYS), Laboratoire de Conception et d'Intégration des Systèmes (LCIS), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Extraction de Caractéristiques et Identification (imagine), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)
Subjects: Infrared Imagery, Registration, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Apple scab, Multimodal Imaging, ComputingMilieux_MISCELLANEOUS
Abstract: International audience
Published: 2019

80. Toward An Unsupervised Colorization Framework for Historical Land Use Classification

Author: Béatrice Fervers, Laure Tougne, Rémi Ratajczak, Carlos Crispim-Junior, Elodie Faure, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Département cancer environnement (Centre Léon Bérard - Lyon), Centre Léon Bérard [Lyon], Agence de l'Environnement et de la Maîtrise de l'Energie (ADEME), LABEX IMU (ANR-10-LABX-0088/ ANR-11-IDEX-0007)., ADEME (N TEZ17-42), Centre Léon Bérard, IEEE, TESTIS, and IMU GOURAMIC
Subjects: Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 02 engineering and technology, Texture (geology), [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Deep Learning, Land Use, 0202 electrical engineering, electronic engineering, information engineering, Colorization, Land use, Artificial neural network, Texture filters, business.industry, Deep learning, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Pattern recognition, 15. Life on land, Index Terms-Colorization, Classification, [SDE.ES]Environmental Sciences/Environmental and Society, GAN, Visualization, Historical Land Use, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 020201 artificial intelligence & image processing, Artificial intelligence, business
Abstract: International audience; We present an unsupervised colorization framework to improve both the visualization and the automatic land use classification of historical aerial images. We introduce a novel algorithm built upon a cyclic generative adversarial neural network and a texture replacement method to homogeneously and automatically colorize unpaired VHR images. We apply our framework on historical aerial images acquired in France between 1970 and 1990. We demonstrate that our approach helps to disentangle hard to classify land use classes and hence improves the overall land use classification.
Published: 2019

81. Efficient Bark Recognition in the Wild

Author: Laure Tougne, Rémi Ratajczak, Carlos Crispim-Junior, Sarah Bertrand, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Agence de l'Environnement et de la Maîtrise de l'Energie (ADEME), Département cancer environnement (Centre Léon Bérard - Lyon), Centre Léon Bérard [Lyon], and ANR-15-CE38-0004,ReVeRIES,Reconnaissance de Végétaux Récréative, Interactive et Educative sur Smartphone(2015)
Subjects: Computer science, Feature vector, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 02 engineering and technology, Color space, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Margin (machine learning), Histogram, Prior probability, 0202 electrical engineering, electronic engineering, information engineering, color quantification, Dimensionality Reduction, business.industry, Dimensionality reduction, Bark recognition, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], 020207 software engineering, Pattern recognition, Sensor fusion, Data Fusion, visual_art, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], visual_art.visual_art_medium, Bark, Features Extraction, texture classification, Artificial intelligence, business, Color and Texture Analyses
Abstract: International audience; In this study, we propose to address the difficult task of bark recognition in the wild using computationally efficient and compact feature vectors. We introduce two novel generic methods to significantly reduce the dimensions of existing texture and color histograms with few losses in accuracy. Specifically, we propose a straightforward yet efficient way to compute Late Statistics from texture histograms and an approach to iteratively quantify the color space based on domain priors. We further combine the reduced histograms in a late fusion manner to benefit from both texture and color cues. Results outperform state-of-the-art methods by a large margin on four public datasets respectively composed of 6 bark classes (BarkTex, NewBarkTex), 11 bark classes (AFF) and 12 bark classes (Trunk12). In addition to these experiments, we propose a baseline study on Bark-101 (http://eidolon.univ-lyon2.fr/~remi1/Bark-101/), a new challenging dataset including manually segmented images of 101 bark classes that we release publicly.Bark-101: http://eidolon.univ-lyon2.fr/~remi1/Bark-101/
Published: 2019

82. Automatic Land Cover Reconstruction From Historical Aerial Images: An Evaluation of Features Extraction and Classification Algorithms

Author: Rémi Ratajczak, Laure Tougne, Béatrice Fervers, Elodie Faure, Carlos Crispim-Junior, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Agence de l'Environnement et de la Maîtrise de l'Energie (ADEME), Département cancer environnement (Centre Léon Bérard - Lyon), Centre Léon Bérard [Lyon], ADEME (N TEZ17-42), ENVITERA, CENTRE LEON BERARD, LABEX IMU (ANR-10-LABX-0088/ ANR11-IDEX-0007), TESTIS, and IMU GOURAMIC
Subjects: Local binary patterns, Feature vector, Index Terms-Features extraction, Feature extraction, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 02 engineering and technology, [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], Convolutional neural network, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], Machine Learning, Deep Learning, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], 0202 electrical engineering, electronic engineering, information engineering, Deep Con- volutional Neural Networks, business.industry, Texture filters, Deep learning, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Pattern recognition, Image segmentation, [SHS.GEO]Humanities and Social Sciences/Geography, 15. Life on land, Land Cover, Computer Graphics and Computer-Aided Design, Historical Aerial Images, Statistical classification, Filter (video), [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 020201 artificial intelligence & image processing, Artificial intelligence, business, Software
Abstract: International audience; The land cover reconstruction from monochromatic historical aerial images is a challenging task that has recently known an increasing interest from the scientific community with the proliferation of large scale epidemiological studies involving retrospective analysis of spatial pattern. However, the efforts engaged by the computer vision community in remote sensing applications are mostly focused on prospective approaches through the analysis of high resolution multi-spectral data acquired by advanced spatial programs. Hence, four contributions are proposed in this article. They aim at providing a comparison basis for the future development of computer vision algorithms applied to the automation of the land cover reconstruction from monochromatic historical aerial images. Firstly, a new multiscale multi-date dataset composed of 4.9 million non-overlapping annotated patches of the France territory between 1970 and 1990 has been created with the help of Geography experts. This dataset has been named HistAerial (http://eidolon.univ-lyon2.fr/~remi1/HistAerialDataset/). Secondly, an extensive comparison study of state-of-the-art texture features extraction and classification algorithms including deep convolutional neural networks (DCNNs) has been performed. It is presented in the form of an evaluation. Thirdly, a novel low-dimensional local texture filter named Rotated-CorneR Local Binary Pattern (RCRLBP) is presented as a simplification of the Binary Gradient Contours filter through the use of an orthogonal combination representation. Finally, a novel combination of low-dimensional texture descriptors, including the R-CRLBP filter, is introduced as a Light Combination of Local Binary Patterns (LCoLBP). The LCoLBP filter achieved state-of-the-art results on the HistAerial dataset while conserving a relatively low-dimensional feature vector space compared with the DCNN approaches (17 times shorter).HistAerial : http://eidolon.univ-lyon2.fr/~remi1/HistAerialDataset/
Published: 2019

83. GOURAMIC: A Software to Estimate Historical Land Use in Epidemiological Studies

Author: Laure Tougne, Carlos Crispim-Junior, Béatrice Fervers, Aurélie M N Danjou, Elodie Faure, Olivia Pérol, Rémi Ratajczak, Département cancer environnement (Centre Léon Bérard - Lyon), Centre Léon Bérard [Lyon], Agence de l'Environnement et de la Maîtrise de l'Energie (ADEME), Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre de Recherche en Cancérologie de Lyon (UNICANCER/CRCL), Centre Léon Bérard [Lyon]-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), International Agency for Research on Cancer (IARC), Ratajczak, Rémi, Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National de la Santé et de la Recherche Médicale (INSERM)
Subjects: medicine.medical_specialty, Epidemiology, Health, Toxicology and Mutagenesis, 010501 environmental sciences, 01 natural sciences, 03 medical and health sciences, 0302 clinical medicine, Software, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], medicine, [SDV.EE.SANT] Life Sciences [q-bio]/Ecology, environment/Health, 030212 general & internal medicine, ComputingMilieux_MISCELLANEOUS, 0105 earth and related environmental sciences, [SDV.EE.SANT]Life Sciences [q-bio]/Ecology, environment/Health, Global and Planetary Change, Land use, business.industry, Environmental resource management, Public Health, Environmental and Occupational Health, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], 15. Life on land, Pollution, Geography, [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], business
Abstract: International audience
Published: 2019

84. Euclidean Distance-Based Skeletons: A Few Notes on Average Outward Flux and Ridgeness

Author: Aurélie Leborgne, Julien Mille, Laure Tougne, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Institut Pascal (IP), SIGMA Clermont (SIGMA Clermont)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)
Subjects: Statistics and Probability, geography, geography.geographical_feature_category, Applied Mathematics, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Geometry, Context (language use), 02 engineering and technology, Skeleton (category theory), Condensed Matter Physics, Measure (mathematics), Euclidean distance, Maxima and minima, Ridge, Modeling and Simulation, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 0202 electrical engineering, electronic engineering, information engineering, 020201 artificial intelligence & image processing, Geometry and Topology, Computer Vision and Pattern Recognition, Focus (optics), Distance transform, Mathematics
Abstract: International audience; Among the various existing and mathematically equivalent definitions of the skeleton, we consider the set of critical points of the Euclidean distance transform of the shape. The problem of detecting these points and using them to generate a skeleton that is stable , thin and homotopic to the shape has been the focus of numerous papers. Skeleton branches correspond to ridges of the distance map, i.e. continuous lines of points that are local maxima of the distance in at least one direction. Extracting these ridges is a non-trivial task on a discrete grid. In this context, the average outward flux, used in the Hamilton-Jacobi skeleton [43], and the ridgeness measure [28] have been proposed as ridge detectors. We establish the mathematical relation between these detectors and, extending the work in [18], we study various local shape configurations, on which closed-form expressions or approximations of the average outward flux and ridgeness can be derived. In addition , we conduct experiments to assess the accuracy of skeletons generated using these measures, and study the influence of their respective parameters.
Published: 2019

85. Jitter-Free Registration for Unmanned Aerial Vehicle Videos

Author: Lionel Robinault, Carlos Crispim-Junior, Pierre Lemaire, Laure Tougne, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: 0209 industrial biotechnology, Computer science, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Video Registration, 02 engineering and technology, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 020901 industrial engineering & automation, Motion estimation, 0202 electrical engineering, electronic engineering, information engineering, Hybrid solution, Computer vision, Unmanned Aerial Vehicles, Jitter, business.industry, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Drone, Image stabilization, Variable (computer science), Video registration, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 020201 artificial intelligence & image processing, Artificial intelligence, Constant (mathematics), business, Motion Estimation, Video Stabiliza- tion
Abstract: International audience; Unmanned Aerial Vehicles (UAVs), such as tethered drones, become increasingly popular for video acquisition, within video surveillance or remote, scientific measurement contexts. However, UAV recordings often present an unstable, variable viewpoint that is detrimental to the automatic exploitation of their content. This is often countered by one amongst two strategies, video registration and video stabilization, which are usually affected by distinct issues, namely jitter and drifting. This paper proposes a hybrid solution between both techniques that produces a jitter-free registration. A lightweight implementation enables real time, automatic generation of videos with a constant viewpoint from unstable video sequences acquired with stationary UAVs. Performance evaluation is carried out using video recordings from traffic surveillance scenes up to 15 minutes long, including multiple mobile objects.
Published: 2019

86. Image Anaysis and Deep Learning for Aiding Professional Coin Grading

Author: Xingyu Pan, Laure Tougne, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and SPIE
Subjects: Engineering drawing, Computer science, business.industry, Deep learning, detection, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Image processing, grading, coins, 01 natural sciences, [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], 03 medical and health sciences, 0302 clinical medicine, Deep Learning, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 0103 physical sciences, Artificial intelligence, 010306 general physics, business, Grading (education), 030217 neurology & neurosurgery
Abstract: International audience; Coin grading means evaluating coins’ physical condition. In this paper, we proposed a process for coin grading by quantification of "unexpected elements" such as scratches and dirty marks. We detect respectively significant and tiny “unexpected elements” with the help of handcrafted filters and Deep Learning techniques. The result of our process, which is close to the manual expert one, is considered as a useful help for numismatists.
Published: 2018

87. Development of a software based on automatic multi-temporal aerial images classification to assess retrospective environmental exposures to pesticides in epidemiological studies

Author: Olivia Pérol, Laure Tougne, Elodie Faure, Béatrice Fervers, Rémi Ratajczak, Carlos Crispim-Junior, Centre Léon Bérard [Lyon], Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Agence de l'Environnement et de la Maîtrise de l'Energie (ADEME), Centre Léon Bérard, ADEME (N TEZ17-42), TESTIS, Département cancer environnement (Centre Léon Bérard - Lyon), Plateforme interface Santé-Environnement en Rhône-Alpes (EnvitéRA)Agence de l'environnement et de la maîtrise de l'énergie (ADEME), and Ratajczak, Rémi
Subjects: Crop acreage, Geographic information system, Epidemiology, [SHS.GEO] Humanities and Social Sciences/Geography, [INFO.INFO-SE] Computer Science [cs]/Software Engineering [cs.SE], [SDV.CAN]Life Sciences [q-bio]/Cancer, [INFO.INFO-SE]Computer Science [cs]/Software Engineering [cs.SE], 010501 environmental sciences, Agricultural pesticides, 01 natural sciences, 03 medical and health sciences, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], 0302 clinical medicine, Software, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [SDV.EE.SANT] Life Sciences [q-bio]/Ecology, environment/Health, 030212 general & internal medicine, 0105 earth and related environmental sciences, [SDV.EE.SANT]Life Sciences [q-bio]/Ecology, environment/Health, Land use, business.industry, Public Health, Environmental and Occupational Health, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], [SHS.GEO]Humanities and Social Sciences/Geography, Environmental exposure, 15. Life on land, Pesticide, [SDE.ES]Environmental Sciences/Environmental and Society, Long latency, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Environmental science, [SDV.SPEE]Life Sciences [q-bio]/Santé publique et épidémiologie, [SDE.ES] Environmental Sciences/Environmental and Society, business, Cartography
Abstract: International audience; Environmental exposure to agricultural pesticides (EEAP) resulting from the drift of agricultural pesticides from treated farmland is suspected to be a risk factor for several diseases, including cancers. The long latency period of cancer development, and evidence on the impact of early exposures stress the need for historical exposure information to capture these exposures. Geographic Information Systems (GIS) are increasingly used in environmental epidemiology studies to assess EEAP. Crop acreage proximate to subjects residences has been suggested as a surrogate for EEAP. Retrospective characterization of EEAP is then essential. While Corine Land Cover (CLC) provides land cover data since 1990, earlier data are lacking limiting the capacity to capture the life-course effects of exposure. The use of satellite images or historical aerial images has been suggested. However, characterization of land use from theses images is time and resource consuming. Thereby, this study aim to develop an innovative automated software to analyze the historical monochromatic aerial images in order to reconstruct the historical land cover to characterize EEAP retrospectively
Published: 2018

88. Bark and Leaf Fusion Systems to Improve Automatic Tree Species Recognition

Author: Lionel Valet, Didier Coquin, Guillaume Cerutti, Sarah Bertrand, Rihab Ben Ameur, Laure Tougne, Extraction de Caractéristiques et Identification ( imagine ), Laboratoire d'InfoRmatique en Image et Systèmes d'information ( LIRIS ), Université Lumière - Lyon 2 ( UL2 ) -École Centrale de Lyon ( ECL ), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Centre National de la Recherche Scientifique ( CNRS ) -Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Université Lumière - Lyon 2 ( UL2 ) -École Centrale de Lyon ( ECL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Modeling plant morphogenesis at different scales, from genes to phenotype ( VIRTUAL PLANTS ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de la Recherche Agronomique ( INRA ) -Centre de coopération internationale en recherche agronomique pour le développement [CIRAD] : UMR51, ANR-15-CE38-0004,ReVeRIES,Reconnaissance de Végétaux Récréative, Interactive et Educative sur Smartphone, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance (LISTIC), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry]), Simulation et Analyse de la morphogenèse in siliCo (MOSAIC), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Reproduction et développement des plantes (RDP), École normale supérieure - Lyon (ENS Lyon)-Institut National de la Recherche Agronomique (INRA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), École normale supérieure de Lyon (ENS de Lyon)-Institut National de la Recherche Agronomique (INRA)-Université Claude Bernard Lyon 1 (UCBL), ANR-15-CE38-0004,ReVeRIES,Reconnaissance de Végétaux Récréative, Interactive et Educative sur Smartphone(2015), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Université de Lyon-Institut National de la Recherche Agronomique (INRA)-École normale supérieure - Lyon (ENS Lyon)
Subjects: [ INFO.INFO-IR ] Computer Science [cs]/Information Retrieval [cs.IR], [ INFO ] Computer Science [cs], Computer science, 02 engineering and technology, 01 natural sciences, Bark, Tree recognition, [ INFO.INFO-TI ] Computer Science [cs]/Image Processing, 0202 electrical engineering, electronic engineering, information engineering, [INFO]Computer Science [cs], Fusion, Ecology, Evolution, Behavior and Systematics, Ecology, business.industry, Applied Mathematics, Ecological Modeling, 010401 analytical chemistry, Confusion matrix, Pattern recognition, Distinctive feature, 15. Life on land, 0104 chemical sciences, Computer Science Applications, Tree (data structure), Leaf, Computational Theory and Mathematics, Modeling and Simulation, visual_art, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR], Combination, visual_art.visual_art_medium, 020201 artificial intelligence & image processing, Identification (biology), Artificial intelligence, business, Tree species
Abstract: International audience; For everyone, the identification of tree is a difficult task. The main organ of the plant used generally to identify a tree is the leaf. However, due to the large variability of the shapes of leaves, it is difficult to obtain good recognition results. Moreover, sometimes the bark is a very distinctive feature and we think it may be possible to improve the recognition rate by considering it. The main purpose of this article is to investigate how we can combine the features extracted respectively from the leaf and the bark images to recognize the tree the photos come from. An important point is the consideration of the confusion matrix that can be constructed between several species, when the form of a leaf or the shape of a bark is common to a number of tree species. So, we present various strategies of fusion including belief functions and compare them on a public database of 72 species of trees and shrubs, which can be find in metropolitan France.
Published: 2018

89. A New Database of Digits Extracted from Coins with Hard-to-Segment Foreground for Optical Character Recognition Evaluation

Author: Xingyu Pan and Laure Tougne
Subjects: Computer Networks and Communications, Computer science, character recognition, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, 02 engineering and technology, computer.software_genre, 01 natural sciences, lcsh:QA75.5-76.95, test database, Artificial Intelligence, 0103 physical sciences, 0202 electrical engineering, electronic engineering, information engineering, Segmentation, coin, digits, 010306 general physics, Recognition algorithm, Database, Optical character recognition, Numerical digit, 13. Climate action, Hardware and Architecture, ICT, Release date, date, 020201 artificial intelligence & image processing, lcsh:Electronic computers. Computer science, Digit recognition, computer, Software, Character recognition, Information Systems
Abstract: Since the release date struck on a coin is important information of its monetary type, recognition of extracted digits may assist in identification of monetary types. However, digit images extracted from coins are challenging for conventional optical character recognition methods because the foreground of such digits has very often the same color as their background. In addition, other noises, including the wear of coin metal, make it more difficult to obtain a correct segmentation of the character shape. To address those challenges, this article presents the CoinNUMS database for automatic digit recognition. The database CoinNUMS, containing 3,006 digit images, is divided into three subsets. The first subset CoinNUMS_geni consists of 606 digit images manually cropped from high-resolution photographs of well-conserved coins from GENI coin photographs; the second subset CoinNUMS_pcgs_a consists of 1,200 digit images automatically extracted from a subset of the USA_Grading numismatic database containing coins in different quality; the last subset CoinNUMS_pcgs_m consists of 1,200 digit images manually extracted from the same coin photographs as CoinNUMS_pcgs_a. In CoinNUMS_pcgs_a and CoinNUMS_pcgs_m, the digit images are extracted from the release date. In CoinNUMS_geni, the digit images can come from the cropped date, the face value, or any other legends containing digits in the coin. To show the difficulty of these databases, we have tested recognition algorithms of the literature. The database and the results of the tested algorithms will be freely available on a dedicated website.1
Published: 2017

90. Adding a rigid motion model to foreground detection: application to moving object detection in rivers

Author: Imtiaz Ali, Laure Tougne, Julien Mille, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and Geometry Processing and Constrained Optimization (M2DisCo)
Subjects: Foreground detection, Background subtraction, Computer science, business.industry, ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, Motion detection, 0102 computer and information sciences, 02 engineering and technology, 01 natural sciences, Object detection, Object-class detection, 010201 computation theory & mathematics, Artificial Intelligence, Motion estimation, 0202 electrical engineering, electronic engineering, information engineering, Structure from motion, [INFO]Computer Science [cs], 020201 artificial intelligence & image processing, Computer vision, Viola–Jones object detection framework, Computer Vision and Pattern Recognition, Artificial intelligence, business
Abstract: International audience; Object detection in a dynamic backgroundis a challenging task in many computer vision applica-tions. In some situations, the motion of objects can bepredicted thanks to its regularity (e.g. vehicle motion,pedestrian motion). In this article, we propose to modelsuch motion knowledge and to use it as additional infor-mation to help in foreground detection. The inclusionof object motion information provides a measure fordistinguishing moving objects from a background thathas similar sizes and brightness levels. This informationis obtained by applying statistical methods on data ob-tained during the training period.When available, priorknowledge can be incorporated into the foreground de-tection process to improve robustness and to decreasefalse detection. We apply this framework to moving ob-ject detection in rivers, one of the situations in whichclassic background subtraction algorithms fail. Our ex-periments show that the incorporation of prior motiondata into background subtraction improves object de-tection.
Published: 2013

91. Conception d'applications ludo-éducatives mobiles en botanique

Author: Sébastien George, Didier Coquin, Thierry Joliveau, Valéry Malécot, Laure Tougne, Laboratoire d'Informatique de l'Université du Mans (LIUM), Le Mans Université (UM), Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance (LISTIC), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry]), Environnement Ville Société (EVS), École normale supérieure - Lyon (ENS Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet [Saint-Étienne] (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Institut de Recherche en Horticulture et Semences (IRHS), AGROCAMPUS OUEST-Institut National de la Recherche Agronomique (INRA)-Université d'Angers (UA), Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), ANR-15-CE38-0004,ReVeRIES,Reconnaissance de Végétaux Récréative, Interactive et Educative sur Smartphone, Environnement, Ville, Société (EVS), École normale supérieure de Lyon (ENS de Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Université d'Angers (UA)-Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST, Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), ANR-15-CE38-0004,ReVeRIES,Reconnaissance de Végétaux Récréative, Interactive et Educative sur Smartphone(2015), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), École normale supérieure - Lyon (ENS Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Université Jean Monnet [Saint-Étienne] (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), AGROCAMPUS OUEST, and Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut National de la Recherche Agronomique (INRA)-Université d'Angers (UA)
Subjects: IHM, botanique, reconnaissance d'images, EIAH, Jeu sérieux, [INFO.EIAH]Computer Science [cs]/Technology for Human Learning
Abstract: National audience; L’urbanisation de ces dernières décennies a indéniablement fait évoluer notre rapport aux plantes dans notre vie quotidienne. Il n’en reste pas moins que, d’une part, des générations de botanistes ont accumulé des connaissances concernant les espèces végétales et que, d’autre part, nombreuses sont les personnes intéressées par la nature qui les entoure et qui sont conscientes que les ressources naturelles sont un trésor à préserver. Cependant, il faut bien avouer que pour une majorité d’individus, la botanique reste difficilement abordable. Dans le cadre du projet ANR ReVeRIES (Reconnaissance de Végétaux Récréative, Interactive et Educative sur Smartphone), nous proposons d’utiliser les technologies mobiles pour aider l’homme à connaître son environnement et plus précisément les végétaux qui l’entourent.
Published: 2016

92. La grammaire des arbres. Les régimes de perception et de cognition de l’environnement chez les utilisateurs de l’application Folia

Author: Jérôme Michalon, Florian Charvolin, Thierry Joliveau, Laure Tougne, Centre Max Weber (CMW), Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Lyon (ENS Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Monnet [Saint-Étienne] (UJM), Centre de Recherche d'Etudes Sociologique Appliquées de la Loire (CRESAL), Centre National de la Recherche Scientifique (CNRS)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Lumière - Lyon 2 (UL2), Environnement Ville Société (EVS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), École normale supérieure de Lyon (ENS de Lyon)-Université Lumière - Lyon 2 (UL2)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Université Lumière - Lyon 2 (UL2)-Université Jean Monnet - Saint-Étienne (UJM)-Centre National de la Recherche Scientifique (CNRS), Environnement, Ville, Société (EVS), École normale supérieure de Lyon (ENS de Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Michalon, Jérôme
Subjects: Usages du numérique, [SHS.SOCIO]Humanities and Social Sciences/Sociology, [SHS.SOCIO] Humanities and Social Sciences/Sociology, Amateurs, Sociologie, ComputingMilieux_MISCELLANEOUS
Abstract: International audience
Published: 2016

93. Topology-Based Character Recognition Method for Coin Date Detection

Author: Xingyu Pan, Laure Tougne, Pan, Xingyu, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: topology, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], 11. Sustainability, character recognition, detection, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], coin
Abstract: International audience; For recognizing coins, the graved release date is important information to identify precisely its monetary type. However, reading characters in coins meets much more obstacles than traditional character recognition tasks in the other fields, such as reading scanned documents or license plates. To address this challenging issue in a numismatic context, we propose a training-free approach dedicated to detection and recognition of the release date of the coin. In the first step, the date zone is detected by comparing histogram features; in the second step, a topology-based algorithm is introduced to recognize coin numbers with various font types represented by binary gradient map. Our method obtained a recognition rate of 92% on synthetic data and of 44% on real noised data.
Published: 2016

94. Space–time spectral model for object detection in dynamic textured background

Author: Laure Tougne, Julien Mille, and Imtiaz Ali
Subjects: Background subtraction, business.industry, Computer science, Space time, Representation (systemics), Construct (python library), Object detection, symbols.namesake, Fourier transform, Artificial Intelligence, Signal Processing, symbols, Computer vision, Computer Vision and Pattern Recognition, Artificial intelligence, business, Software
Abstract: Background models are used for object detection in many computer vision algorithms. In this article, we propose a novel background modeling method based on frequency for spatially varying and time repetitive textured background. The local Fourier transform is applied to construct a pixel-wise representation of local frequency components. We apply our method for object detection in moving background conditions. Experimental results of our frequency-based background model are evaluated both qualitatively and quantitatively.
Published: 2012

95. River Monitoring with Ground‐Based Videography

Author: Laure Tougne, Bruce MacVicar, Normand Bergeron, Alexandre Hauet, Imtiaz Ali, Geometry Processing and Constrained Optimization (M2DisCo), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Extraction de Caractéristiques et Identification (imagine), and Carbonneau, H. Piégay
Subjects: 010504 meteorology & atmospheric sciences, 0207 environmental engineering, 02 engineering and technology, 01 natural sciences, River monitoring, Data filtering, Geography, Computer graphics (images), [INFO]Computer Science [cs], 020701 environmental engineering, Videography, ComputingMilieux_MISCELLANEOUS, 0105 earth and related environmental sciences, Remote sensing
Abstract: International audience; No abstract
Published: 2012

96. Wood is good but it moves! Associated problems and research issues

Author: Hervé Piégay, Véronique Benacchio, Maxime Boivin, Pierre Lemaire, Bruce Macvicar, Bertrand Moulin, Ruiz-Villanueva, V., Thomas Buffin-Belanger, Kristell Michel, Stoffel, M., Laure Tougne, Environnement Ville Société (EVS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), Departement de Biologie, Chimie et Géographie, Université du Québec à Rimouski (UQAR), Department of Civil and Environmental Engineering [Waterloo], University of Waterloo [Waterloo], Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Environnement, Ville, Société (EVS), École normale supérieure - Lyon (ENS Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), TROUFLEAU, Pascal, Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL)
Subjects: research issues, [SHS] Humanities and Social Sciences, ComputingMilieux_MISCELLANEOUS, wood movements problems, [SHS]Humanities and Social Sciences
Abstract: International audience
Published: 2015

97. Tree leaves extraction in natural images: Comparative study of pre-processing tools and segmentation methods

Author: Jonathan Weber, Laure Tougne, Guillaume Cerutti, Camille Kurtz, Manuel Grand-Brochier, Antoine Vacavant, Image Science for Interventional Techniques (ISIT), Université d'Auvergne - Clermont-Ferrand I (UdA)-Clermont Université-Centre National de la Recherche Scientifique (CNRS), Modeling plant morphogenesis at different scales, from genes to phenotype (VIRTUAL PLANTS), Amélioration génétique et adaptation des plantes méditerranéennes et tropicales (UMR AGAP), Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire d'Informatique Paris Descartes (LIPADE - EA 2517), Université Paris Descartes - Paris 5 (UPD5), Laboratoire Lorrain de Recherche en Informatique et ses Applications (LORIA), Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de la Recherche Agronomique (INRA)-Amélioration génétique et adaptation des plantes méditerranéennes et tropicales (UMR AGAP), Institut National de la Recherche Agronomique (INRA)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Image Science for Interventional Techniques ( ISIT ), Université d'Auvergne - Clermont-Ferrand I ( UdA ) -Clermont Université-Centre National de la Recherche Scientifique ( CNRS ), Modeling plant morphogenesis at different scales, from genes to phenotype ( VIRTUAL PLANTS ), Inria Sophia Antipolis - Méditerranée ( CRISAM ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de la Recherche Agronomique ( INRA ) -Centre de coopération internationale en recherche agronomique pour le développement [CIRAD] : UMR51, Laboratoire d'Informatique Paris Descartes ( LIPADE - EA 2517 ), Université Paris Descartes - Paris 5 ( UPD5 ), Laboratoire Lorrain de Recherche en Informatique et ses Applications ( LORIA ), Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Extraction de Caractéristiques et Identification ( imagine ), Laboratoire d'InfoRmatique en Image et Systèmes d'information ( LIRIS ), Université Lumière - Lyon 2 ( UL2 ) -École Centrale de Lyon ( ECL ), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Centre National de la Recherche Scientifique ( CNRS ) -Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Université Lumière - Lyon 2 ( UL2 ) -École Centrale de Lyon ( ECL ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ), Université d'Auvergne - Clermont-Ferrand I (UdA)-Centre National de la Recherche Scientifique (CNRS)-Clermont Université, Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), and Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)
Subjects: Computer science, Tree Leaves Segmentation, [ INFO.INFO-CV ] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Sensitivity and Specificity, Pattern Recognition, Automated, Trees, [ INFO.INFO-TI ] Computer Science [cs]/Image Processing, Image Interpretation, Computer-Assisted, Photography, Preprocessor, Segmentation, Comparative Study, Cluster analysis, Active contour model, business.industry, Distance Map, Guided Active Contour, Reproducibility of Results, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Pattern recognition, Image segmentation, 15. Life on land, Image Enhancement, Pre-Processing Tools, Computer Graphics and Computer-Aided Design, Random forest, Plant Leaves, Tree (data structure), [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Pattern recognition (psychology), Artificial intelligence, business, Distance transform, Algorithms, Software, Environmental Monitoring
Abstract: International audience; In this paper, we propose a comparative study of various segmentation methods applied to the extraction of tree leaves from natural images. This study follows the design of a mobile application, developed by Cerutti et al. (published in ReVeS Participation-Tree Species Classification Using Random Forests and Botanical Features. CLEF 2012), to highlight the impact of the choices made for segmentation aspects. All the tests are based on a database of 232 images of tree leaves depicted on natural background from smartphones acquisitions. We also propose to study the improvements, in terms of performance, by using pre-processing tools such as the interaction between the user and the application through an input stroke, as well as the use of color distance maps. The results presented in this paper shows that the method developed by Cerutti et al. (denoted Guided Active Contour), obtains the best score for almost all observation criteria. Finally we detail our online benchmark composed of 14 unsupervised methods and 6 supervised ones.
Published: 2015

98. An automatic video monitoring system for estimating driftwood discharge in large rivers

Author: Pierre Lemaire, Hervé Piégay, Bruce Macvicar, Lise Vaudor, Christine Mouquet-Noppe, Laure Tougne, TROUFLEAU, Pascal, Environnement Ville Société (EVS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), University of Waterloo [Waterloo], Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), Environnement, Ville, Société (EVS), École normale supérieure de Lyon (ENS de Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), Université de Lyon-Université de Lyon-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Lumière - Lyon 2 (UL2)-École Centrale de Lyon (ECL), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)
Subjects: estimating driftwood discharge, automatic video monitoring system, [SHS] Humanities and Social Sciences, large rivers, ComputingMilieux_MISCELLANEOUS, [SHS]Humanities and Social Sciences
Abstract: International audience
Published: 2015

99. Noise-resistant Digital Euclidean Connected Skeleton for graph-based shape matching

Author: Laure Tougne, Julien Mille, Aurélie Leborgne, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), and Université de Lyon-Université Lumière - Lyon 2 (UL2)
Subjects: ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], 020207 software engineering, 02 engineering and technology, Blob detection, Topology, Skeletonization, Medial axis, Robustness (computer science), [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], Signal Processing, 0202 electrical engineering, electronic engineering, information engineering, Media Technology, 020201 artificial intelligence & image processing, Topological skeleton, Computer Vision and Pattern Recognition, Electrical and Electronic Engineering, Representation (mathematics), Distance transform, Algorithm, Pruning (morphology), Mathematics, ComputingMethodologies_COMPUTERGRAPHICS
Abstract: We propose a propagation algorithm to obtain a skeleton with "good properties".Our algorithm combines RDMA and Laplacian of Gaussian filtering.The complexity is linearly proportional to the number of pixels of image.Our method is compared to three existing methods. The skeleton is an essential shape descriptor providing a compact representation of a shape that can be used in the context of real object recognition. However, due to the discretization, the required properties to use it for graph matching (homotopy to the shape, consequently connectivity, thinness, robustness to noise) may be difficult to obtain simultaneously. In this paper, we propose a new skeletonization algorithm having all these properties, based on the Euclidean distance map. More precisely, the algorithm cleverly combines the centers of maximal balls included in the shape and the ridges of the distance map. Post-processing is then applied to thin and prune the resulting skeleton. We compare the proposed method to three fairly recent methods and demonstrate its good properties.
Published: 2015

100. Un système de suivi multi-objets utilisant une stratégie d'association en trois passes adapté à la vidéosurveillance

Author: Matthieu Rogez, Lionel Robinault, Laure Tougne, Extraction de Caractéristiques et Identification (imagine), Laboratoire d'InfoRmatique en Image et Systèmes d'information (LIRIS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-École Centrale de Lyon (ECL), Université de Lyon-Université Lumière - Lyon 2 (UL2)-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Université Lumière - Lyon 2 (UL2), and SI LIRIS, Équipe gestionnaire des publications
Subjects: [INFO]Computer Science [cs], [INFO] Computer Science [cs]
Abstract: National audience; Le suivi multi-objets est une des thématiques centrales de l'analyse vidéo du fait de son large champ d'application. Nous nous intéressons ici plus particulièrement aux applications en vidéo-surveillance. Ainsi, nous décrivons un ensemble d'améliorations destinées à l'algorithme de suivi multi-objets proposé par Di Lascio (CVIU, 2013). En particulier, nous généralisons le suivi en retirant la spécialisation faite pour les piétons; nous intégrons le modèle de scène et de visualisation développé dans (Rogez, VISAPP 2013) afin de permettre un raisonnement tridimensionnel permettant de mieux gérer les occultations; et enfin nous améliorons le mécanisme de formation et destruction des groupes d'objets grâce à l'introduction d'une passe d'association supplémentaire ainsi que d'un critère de similarité de recouvrement. Enfin, nous évaluons le système proposé sur des vidéos synthétiques et réelles afin de montrer l'apport de nos modifications. L'algorithme proposé améliore sensiblement les performances générales par rapport à la version originale, notamment pour la création et destruction des groupes, et ouvre la possibilité d'un raisonnement tridimensionnel.
Published: 2014

Catalog

Books, media, physical & digital resources

See catalog results

Searchworks

Select search scope, currently: Articles Catalog books, media & more in Jio Institute collections Articles journal articles & other e-resources

Search

Search Constraints

Refine your results

Search Limiters

Topic

Publication Year Range

Language

Category

Publication Type

Journal

Database

Publisher

186 results on '"Laure Tougne"'

Search Results

Catalog

Select search scope, currently: Articles

Catalog

books, media & more in Jio Institute collections

Articles

journal articles & other e-resources