Loïc Landrieu (Dr)

Ingénieur des Ponts, Eaux et Forêts

Au MATIS depuis 2015

Téléphone actuel : 33 1 43 98 80 00 + 7366

Contact : loic.landrieu(at)ign.fr


Chargé de Recherche
Axe de recherche GEOM4D



Sujet de recherche

Apprentissage et optimisation structurés

Personal webpage

Formation

Thèse en soutenue en 2016 (ENPC ParisTech):
Learning structured models on weighted graphs, with applications to spatial data analysis
Dirigée par Francis Bach, dirigée par : Guillaume Obozinski.



Stages encadrés

  • 2018 : Classification of Agricultural Parcels from satelite time-series with recurrent neural networks
    Par Omar Lahbib (SUPCOM Tunis - Ecole supérieur de Communication).
  • 2017 : Analyse de séries temporelles d’images Sentinel et intégration de connaissances pour la classification en milieu agricole
    Par Bailly Simon (Phelma – SICOM, Grenoble INP).
  • 2016 : Segmentation de nuages de points de cartographie mobile par variation totale multivariée et apprentissage de métrique
    Par Stephane Guinard (Mastère spécialisé PPMD, ENSG).



Publications

Articles de revues avec comité de lecture

L. Landrieu, H. Raguet, B. Vallet, C. Mallet, M. Weinmann. A structured regularization framework for spatially smoothing semantic labelings of 3D point clouds. ISPRS Journal of Photogrammetry and Remote Sensing, 132, pp.102-118, 2017.

L. Landrieu, G. Obozinski. Cut pursuit: Fast algorithms to learn piecewise constant functions on general weighted graphs. SIAM Journal on Imaging Sciences, 10(4), pp.1724-1766, 2017.

Articles de conférences avec comité de lecture

S. Bailly, S. Giordano, L. Landrieu, N. Chehata. Temporal Structured Classification Using Sentinel Image Time Series for Crop Type Mapping. in Proc. of the IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Valencia, Spain, July 2018.

L. Landrieu, M. Simonovsky. Large-scale point cloud semantic segmentation with superpoint graphs . In Proc. CVPR, Salt Lake City, Utah, USA, June 2018.

H. Raguet, L. Landrieu. Cut-Pursuit Algorithm for Regularizing Nonsmooth Functionals with Graph Total Variation. In Proc. ICML, Stockholm, Sweden, July 2018.

L. Landrieu, M. Simonovsky. Segmentation Sémantique à Grande Echelle par Graphes de Superpoints. Reconnaissance des Formes, Image, Apprentissage et Perception (RFIAP), Champs-sur-Marne, France, June 2018.

L. Landrieu, C. Mallet, M. Weinmann. Comparison of belief propagation and graph-cut approaches for contextual classification of 3D LIDAR point cloud data. Proc. of the IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Fort Worth, USA, July 2017.

S. Guinard, L. Landrieu. Weakly supervised segmentation-aided classification of urban scenes from 3D LiDAR point clouds. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLII-1/W1, 2017, pp.151-157, Hannover, Germany, 6–9 June 2017.

S. Guinard, L. Landrieu, B. Vallet. Pré-segmentation pour la classification faiblement supervisée de scènes urbaines à partir de nuages de points 3D LIDAR. ORASIS 2017, Colleville-sur-Mer, France, 12-16 juin 2017.



Site internet de la recherche à l'IGN