Indexation et recherche d'images multimodales dans le projet ALEGORIA : méthodes et outils pour croiser les sources iconographiques de la Reconstruction
Résumé
Le projet ALEGORIA vise à faciliter la valorisation de fonds institutionnels iconographiques décrivant le territoire français de l'entre-deux-guerres à nos jours. Ces fonds, encore trop confidentiels et dispersés au sein de différentes institutions, sont constitués majoritairement de photographies aériennes obliques ou verticales, mais également terrestres. Ils sont numérisés partiellement, en général pas ou peu documentés et faiblement géoréférencés. ALEGORIA propose la mise en œuvre de deux plateformes de démonstration innovantes en ligne : un moteur d’indexation et de recherche multimodal et à grande échelle, couplant recherche par contenu et par métadonnées, dans les collections et entre les collections ; ainsi qu’un moteur de restitution permettant la navigation spatio-temporelle, immersive et interactive dans l’environnement en 3D enrichi des fonds photographiques anciens. Ce texte a pour objet d’exposer la première partie des développements, celle consacrée à l’indexation et à la recherche multimodales de photographies. Les collections mises à disposition dans le projet, que ce soient les contenus photographiques ou les métadonnées descriptives qui leur sont associées seront d’abord détaillées, puis les développements techniques eux-mêmes, enfin plusieurs exemples d’exploitation des méthodes et outils illustreront tout l’intérêt qu’ils présentent pour les fonds considérés.
Entrées d’index
Mots-clés : fonds iconographiques, indexation d’images par contenu, indexation multimodale, mise en cohérence de métadonnées, Linked Data, reconstruction, vues aériennes, RiC-O, RDF
Texte intégral
1Le projet ALEGORIA1 (2018-2021), financé par l’Agence nationale de la recherche [ANR], vise à faciliter la valorisation de fonds institutionnels iconographiques décrivant le territoire français de l’entre-deux-guerres à nos jours. Ces fonds sont de tailles variables, entre milliers et centaines de milliers d’éléments à l’échelle du territoire, et sont constitués de représentations iconographiques, la plupart du temps des photographies aériennes obliques ou verticales, mais également terrestres. Contrairement à l'exploitation bien ancrée de l'imagerie satellitaire pour laquelle les usages professionnels sont nombreux (scientifiques, civils et militaires) et les données bien répertoriées, ces fonds restent encore trop confidentiels et dispersés. Ils sont disséminés au sein de différentes institutions, numérisés partiellement, en général pas ou peu documentés et faiblement géoréférencés. Ils représentent pourtant un patrimoine riche, mais peu connu du grand public. Consultables directement dans les photothèques ou via des portails numériques, ils sont encore sous-exploités par leurs principaux utilisateurs : chercheurs, institutions et collectivités locales, etc. Des outils permettant d’automatiser leur collecte, leur traitement et leur indexation, à l’intérieur du fonds mais aussi entre fonds, afin de les croiser et ainsi de mieux les étudier faciliteraient grandement leur mise en valeur. Ces outils permettant l’exploration visuelle des fonds, destinés à des utilisateurs non spécialistes, se devraient d’être conviviaux afin de faciliter leur utilisation.
2Dans cette perspective, ALEGORIA propose la mise en œuvre de deux plateformes de démonstration innovantes en ligne : un moteur d’indexation et de recherche multimodal et à grande échelle, couplant recherche par contenu et par métadonnées, dans les collections et entre les collections ; ainsi qu’un moteur de restitution permettant la navigation spatio-temporelle, immersive et interactive dans l’environnement en 3D enrichi des fonds photographiques anciens.
3Ces travaux ont nécessité l’association de partenaires, formant un consortium, aux profils interdisciplinaires : deux laboratoires de recherche en sciences et technologies de l'information et de la communication [STIC], le Laboratoire en sciences et technologies de l'information géographique [LaSTIG] de l’IGN [Institut national de l'information géographique et forestière] et le Laboratoire d'informatique en image et systèmes d'information [LIRIS] de l’École centrale de Lyon, tous deux en charge des méthodes d’analyse, d’indexation multimodale des fonds, ainsi que de leur visualisation ; trois institutions qui conservent des fonds originaux : la photothèque de l’IGN, les Archives nationales et le musée Nicéphore-Niépce, qui évalueront également les outils proposés pour la mise en cohérence et la valorisation de leurs collections ; enfin, un laboratoire de recherche en sciences humaines et sociales [SHS], le Laboratoire architecture, ville, urbanisme, environnement [LAVUE] de l’université Paris-Nanterre, qui apporte un cas d’usage en sociologie visuelle urbaine.
4Ce texte a pour objet d’exposer la première partie des développements, celle consacrée à l’indexation et à la recherche multimodales de photographies. Les collections mises à disposition dans le projet, que ce soient les contenus photographiques ou les métadonnées descriptives qui leur sont associées seront d’abord détaillées, puis les développements techniques eux-mêmes, enfin plusieurs exemples d’exploitation des méthodes et outils illustreront tout l’intérêt qu’ils présentent pour les fonds considérés.
Le corpus d’images et leurs métadonnées
5Les contenus manipulés dans ALEGORIA représentent autour de 80 000 photographies aériennes obliques ou terrestres décrivant le territoire français à différentes époques, qui proviennent de différents fournisseurs et collections, que nous revisitons dans la section « les collections photographiques ». À ces photographies sont associées des métadonnées hétérogènes et initialement structurées dans divers modèles, que nous présentons dans la section « la mise en cohérence des métadonnées ».
Les collections photographiques
6Les fonds de photographies traités par le projet sont conservés par les Archives nationales, la photothèque de l’IGN ainsi que le musée Nicéphore-Niépce.
Les Archives nationales
7Deux fonds photographiques de vues aériennes conservés aux Archives nationales ont été mis à disposition dans le cadre du projet ALEGORIA : le premier, d’origine privée, a été acquis en 1972. Il s’agit de celui de l’entreprise Lapie2 [Les applications photographiques d’industrie et d’édition]. Composé majoritairement de vues aériennes obliques réalisées à basse altitude, il comporte 300 000 phototypes, négatifs, tirages noir et blanc et couleur, ou encore albums de références, destinés au commerce des images. Ces photographies, datées de 1955 à 1965, ont été utilisées pour l’édition, manuels scolaires ou prospectus, mais surtout pour l’impression de cartes postales, au moment où cette industrie connaît un nouvel essor, après la Seconde Guerre mondiale. Destinées au marché touristique, ces images documentent largement l’effort de reconstruction et d’aménagement de la France des années 1950-1960. Pour le projet ALEGORIA, 28 000 tirages couleurs chromogènes couvrant la France métropolitaine ont été numérisés. L’excellente conservation des couleurs [Fig. 1], particulièrement rare pour l’époque et pour le procédé employé, rend le fonds exceptionnel et surprenant.
Figure 1

Vue aérienne de Royan, prise entre 1955 et 1965.
© archives nationales/fonds Lapie. Toute réutilisation est interdite sans l’accord des ayants droit.
8Le second fonds exploité des Archives nationales, cette fois public, est celui de la cartothèque de la division des travaux topographiques du ministère de la Reconstruction et de l’Urbanisme3 [MRU]. Les 13 318 vues aériennes, datant de 1947 à 1980, sont majoritairement des négatifs ou positifs noirs et blancs sur support souple. Prises en oblique [Fig. 2], elles devaient fournir certaines données complémentaires telles que le relief ou le volume des bâtis, avant l’exécution des plans topographiques. Les missions aériennes portaient principalement sur les agglomérations françaises concernées par la reconstruction et l’urbanisation durant les années 1950-1960. Elles donnent à voir diverses infrastructures (logements, usines, routes, monuments historiques), mais également des sites naturels, des portions de voies autoroutières, des paysages ruraux. Elles sont en général précisément datées et couvrent l’ensemble des départements à l’exception des Alpes-de-Haute-Provence, des Hautes-Alpes, de l’Ariège, de l’Aveyron, de la Corse-du-Sud, de la Creuse et du Lot.
Figure 2

Vue aérienne de Royan prise le 25 juillet 1957.
© cartothèque de la division des travaux topographiques du ministère de la Reconstruction et de l'Urbanisme, Archives nationales, 20130290/11.
La photothèque de l’IGN
9La photothèque de l’IGN, autre collection exploitée pour ALEGORIA, dispose de prises de vue aériennes verticales depuis les années 1920. Celle-ci permettent, entre autres, de constituer la base BD ORTHO Historique®, qui couvre la France entière pour quatre millésimes, de 1945 à 20004. Elle fournit un grand nombre d’orthophotographies, en couleur ou noir et blanc, argentiques dématérialisées ou numériques, prises à différentes dates sur une même zone de terrain et couvrant la France entière. Le fonds est organisé en missions de prises de vue aériennes, au nombre de 26 025 pour la France métropolitaine, qui comptent chacune de quelques images à 16 000, pour les plus récentes. La BD ORTHO Historique® représente actuellement près de 4,7 millions de clichés, géoréférencés plus ou moins précisément, orthorectifiés, mosaïqués à la résolution de 50 cm, dont 4 millions numérisés et classés par mission. Ces clichés sont plutôt bien documentés dans le temps et dans l’espace : zone, localité, caméras utilisées, date et heure du vol, résolution, hauteur du soleil, pose précise pour les acquisitions les plus récentes, etc.). Une partie de ces clichés (2,8 millions d’entre eux) est accessible via le portail numérique Remonter le temps5.
10L’IGN possède également plus de 37 000 photographies aériennes obliques provenant de dépôts réglementaires de missions financées sur fonds publics par l’Inventaire forestier national [IFN]6, EDF, le cadastre, le ministère de la Reconstruction jusqu’à la fin des années 1980. Cette collection compte surtout les acquisitions réalisées par la Compagnie aérienne française [CAF] entre 1919 et 1964, qui illustrent des zones industrielles (usines, carrières, etc.) et des villes de province. L’ensemble a été très peu exploité car non géolocalisé [Fig. 3].
Figure 3

Vue aérienne de Royan prise en 1948. Fonds des prises de vues obliques IGN.
© fonds des prises de vues obliques IGN, photothèque nationale, fonds Durandeau, 1948.
11Enfin, des acquisitions numériques terrestres sont disponibles à la demande : le système de numérisation terrestre Stéréopolis de l’IGN7 permet de numériser l’espace public, accessible depuis un véhicule, par des technologies d’imagerie 2D (stéréoscopie, panoramiques de haute résolution) et 3D (Lidar), avec un géoréférencement absolu précis (centrale inertielle, GPS et odomètre). Plusieurs villes françaises ont déjà été traitées, dont Paris dans son intégralité en 2014-2015, ainsi que des quartiers de Chalon-sur-Saône, en 2021, pour les besoins d’ALEGORIA en matière de référentiel géographique terrestre.
Le musée Nicéphore-Niépce
12La photographie aérienne et terrestre occupe une place de premier plan dans les collections du musée Nicéphore-Niépce. Plusieurs fonds contiennent des photographies aériennes à usage militaire, touristique, pédagogique ou cartographique. Celui de la société CIM [Combier imprimeur à Mâcon], intègre le musée dès son ouverture au public en 1975. Premier éditeur de cartes postales à diffuser des photographies aériennes de communes, CIM est créé en 1922 par Jean Combier, photographe indépendant. Le succès de l’entreprise, pionnière dans l’utilisation commerciale de photographies aériennes, accompagne la belle époque de la carte postale, jusqu’en 1939. La couverture photographique du territoire national se poursuit durant les Trente Glorieuses et constitue un témoignage rare. Combier s’appuie sur un réseau de représentants et d’opérateurs tout en ayant une politique de rachat de fonds astucieuse, celui de René Prouho notamment, installé en Algérie. La carte postale occupe une place prépondérante dans la diffusion de la photographie à partir de la fin du xixe siècle. La collection Combier permet de mieux comprendre les enjeux commerciaux, techniques et iconographiques d’une telle activité. Le fonds, complémentaire du fonds Lapie des Archives nationales, couvre l’intégralité des communes françaises, une partie de la Belgique, l’Algérie et le Maroc. La partie conservée au musée date principalement de l’immédiat après-guerre et concerne presque toute la France et l’Afrique du Nord [Fig. 4]. Elle est constituée de plus de 900 000 supports (négatifs ou positifs) dont environ 10 000 ont été numérisés par le musée, chacun donnant lieu à la production d’un à deux fichiers (négatif/positif). CIM avait racheté la société Lapie, sans jamais disposer des phototypes, qui n’ont donc pas pu intégrer les collections lors de la donation du fonds Combier. Pour compenser cette lacune, le musée a collecté plusieurs ensembles de tirages photographiques édités par Lapie. D’un format 30 x 20 cm très éloigné de celui des cartes postales, ces images sont abondamment légendées et constituent des ressources documentaires évidentes.
Figure 4

Vue aérienne de Royan, prise en 1954.
Collection Combier, Musée Nicéphore-Niépce.
13Le fonds de Charles Gros a quant à lui intégré les collections en 1989. Il est constitué de 18 albums rassemblant des photographies réalisées entre les années 1930 et 1980. Président de la chambre de commerce et d’industrie de Chalon-sur-Saône, Charles Gros commande à titre personnel aux photographes chalonnais (Picard, Lacoste, Lelu, etc.) des prises de vue de l’évolution de la ville : carnavals, foires, mais surtout évolutions urbaine et industrielle, alternant prises de vue au sol et vues aériennes. C’est ainsi toute la vie de la cité qui est documentée et légendée consciencieusement sur près d’un demi-siècle : construction de grands ensembles d’habitation, comblement de l’ancien canal, installation d’usines, etc.
La mise en cohérence des métadonnées
14Ces fonds iconographiques sont accompagnés de métadonnées descriptives. Celles-ci, parfois issues de référentiels consolidés, fournissent des informations structurées sur les photographies, qui peuvent être mises à profit pour leur indexation, leur recherche et leur consultation transverse. Ainsi, pour chaque image, on dispose généralement d’un titre ou de mots-clés sur son contenu ou le lieu photographié, d’une date de prise de vue, d’une mention de producteur - le photographe, une entreprise ou une institution - et de caractéristiques techniques. Or, ces informations sont hétérogènes d’un fonds à l’autre et structurées selon divers modèles en fonction des besoins et des pratiques des institutions. Elles nécessitent donc d’être harmonisées pour être pleinement exploitables.
15Pour ce faire, ALEGORIA a adopté les bonnes pratiques du Web de données préconisées pour présenter les métadonnées, suivant ainsi les recommandations de la feuille de route stratégique Métadonnées culturelles et transition Web 3.0 élaborée en 2014 par le ministère de la Culture8. Ces recommandations reposent sur un modèle de données en graphe (RDF pour Resource Description Framework) et sur l’utilisation d’ontologies et de référentiels communs et liés pour décrire les objets culturels, favorisant ainsi le croisement de métadonnées issues de fonds différents. De plus, elles étendent les principes techniques de publication de documents sur le Web à la publication de (méta)données : utiliser des URI [Unified Resource Identifier] pour identifier les ressources, utiliser HTTP [Hypertext Transfer Protocol] comme protocole de communication client-serveur et utiliser la négociation de contenu pour fournir une représentation adaptée des ressources publiées. Ainsi, les (méta)données du projet respectent les principes des données FAIR9, ensemble de bonnes pratiques pour faciliter la découverte, l’accès, l’interopérabilité et la réutilisation de données numériques.
16En l’absence d’ontologie spécifique à la description de photographies aériennes, l’ontologie Records in Contexts10 [RiC-O], élaborée par un groupe d’experts du Conseil international des archives [ICA], pour la description en RDF des ressources archivistiques et de leurs entités de contexte, a été retenue. En effet, RiC-O est particulièrement adaptée, puisque les images et documents graphiques retenus pour le projet font partie de fonds d’archives. Elle présente de plus l’avantage de pouvoir être étendue facilement pour décrire des caractéristiques spécifiques à une catégorie de documents d’archives, ici des images aériennes.
17À titre d’exemple, les métadonnées de la photographie (Record) immatriculée 1947_DUR_87_0011_p du fonds d’images aériennes obliques de l’IGN sont modélisées selon un schéma précis [Fig. 5]11. Celui-ci indique que le cliché existe sous deux formes (Instantiations) : la plaque de verre issue de la prise de vue originale et sa numérisation, sous forme d’image positive. L’image appartient en outre à quatre jeux d’enregistrement (RecordSets), qui reflètent l’organisation des prises de vue aériennes réalisées par l’IGN : une photographie est réalisée dans le cadre d’une « mission aérienne », qui se compose d’un ou plusieurs « chantiers », comprenant eux-mêmes un ou plusieurs « vols » dont la trajectoire vise à produire des « bandes » de photographies ayant un taux de recouvrement minimal avec leurs voisines.
Figure 5

Un exemple d’utilisation de RIC-O pour décrire les métadonnées d’une photographie du fonds d’images aériennes obliques IGN.
LaSTIG, univ. Gustave-Eiffel, ENSG, IGN et Archives nationales (CC-BY 4.0).
Figure 6

La hiérarchie des Recordsets auxquels appartient l’instance de Record présentée en [Fig. 5].
LaSTIG, univ. Gustave-Eiffel, ENSG, IGN et Archives nationales (CC-BY 4.0).
18Chacune des institutions partenaires du projet a converti au format RDF les métadonnées de ses fonds selon des modalités propres. Aux Archives nationales, par exemple, il a d’abord fallu normaliser les contenus des fichiers de récolement, établis pour la numérisation des photographies, en alignant notamment les mentions de lieux contenues dans les légendes avec le référentiel des lieux de l’institution, lui-même enrichi dans le cadre du projet. Ensuite, ces fichiers ont été convertis automatiquement en fichiers XML conformes au format de description international des archives (DTD EAD12), utilisé dans le système d’information du service, afin d’alimenter également celui-ci. Enfin, les jeux de données RDF ont été produits à partir de ces fichiers EAD.
19Toutes les métadonnées ainsi harmonisées (décrivant environ 65 500 documents) sont désormais interrogeables de façon uniforme, à l’aide du langage de requêtes SPARQL [SPARQL Protocol and RDF Query Language]13. En France, il s’agit de la première publication de taille significative de données RDF conformes à RiC-O.
Indexation et recherche d'images multimodales
20Pour structurer les collections photographiques mises en jeu et accéder plus facilement à ces contenus, nous développons dans le projet un moteur d'indexation et de recherche des images qui exploite plusieurs modalités disponibles : le contenu des images qui est analysé pour produire des index basés contenu, les métadonnées associées à ces images qui produisent des index textuels, et l'utilisation conjointe de ces modalités au service de la recherche d'images dans un ensemble d'images. Cette section passe en revue les méthodes employées pour chacune des modalités.
Indexation par contenu visuel
21Le domaine de l'indexation et de la recherche d'image par le contenu [CBIR : Content-Based Image Retrieval], apparenté à l'analyse d'image, la vision par ordinateur et l’apprentissage statistique, s’est développé dans les années 1990, conjointement à l’explosion du multimédia. Le contenu d’une image, c'est-à-dire l'ensemble de ses pixels, est directement exploité pour la décrire, parmi un ensemble d’images, et ainsi permettre son indexation et sa recherche. Les pixels sont automatiquement analysés pour en extraire des caractéristiques visuelles pertinentes pour un usage donné (couleurs, textures, formes, détails) qui sont rassemblées dans des descripteurs numériques (on parle parfois des « signatures » de l’image) réunis dans l'index de l'image. On associe à ces signatures une mesure de similarité, ce qui permet de comparer les descripteurs visuels de deux images et ainsi de retrouver celles similaires selon leur apparence visuelle, ainsi qu’une structure d'index, facilitant une recherche efficace dans un grand lot d'images (et donc de signatures). Le paradigme de recherche le plus répandu et le mieux traité en CBIR est celui de la recherche par l'exemple : une image est donnée en requête dans le but de retrouver celles, du corpus interrogé, qui lui sont visuellement similaires.
22Il existe de nombreuses techniques de description des contenus d’images, allant de la simple description de la distribution des couleurs à la description fine de parties d'image14. Toutes se partagent entre deux fonctionnalités : d’une part, la capacité à discriminer, c'est-à-dire à différencier deux contenus selon un critère donné (par exemple différencier deux vues montrant deux églises romanes distinctes) ; d’autre part, la robustesse face aux transformations photométriques et géométriques existantes (par exemple la différence de point de vue ou d'illumination entre deux images de la même scène). Depuis une dizaine d'années, les réseaux de neurones convolutifs [CNN : Convolutional Neural Networks], neurones artificiels mis en œuvre en apprentissage artificiel, se révèlent de puissants extracteurs de caractéristiques visuelles. Ainsi l'apprentissage profond permet de laisser un algorithme d'optimisation déterminer comment obtenir ces caractéristiques. Sur cette base, ALEGORIA étudie des techniques de description optimale de contenus d’images selon deux caractéristiques. En premier lieu, ces contenus sont dits « inter-domaines », c’est-à-dire qu’ils relèvent de sources, dates et points de vue potentiellement multiples. Un même site peut, par exemple, apparaître dans plusieurs collections, donnant lieu à plusieurs photographies acquises selon différents systèmes (phototype/gravure, grand angle/zoom, illumination, etc.), à des dates de prise de vue différentes, des points de vue différents. Les quatre vues de Royan [Figures 1 à 4] illustrent cette idée.
23En accord avec les utilisateurs finaux du consortium, nous nous focalisons sur le paradigme de la recherche par l'exemple d'instances d'objets (retrouver, par exemple, toutes les images de la place Ducale de Charleville-Mézières, et non pas celles montrant une place partageant des caractéristiques visuelles avec celle de la place Ducale. C’est ce type de recherche qui répond le mieux aux cas d’usage décrits infra15.
24Ces deux caractéristiques sont toutefois antagonistes. Retrouver des images similaires à une image requête dans un corpus inter-domaines suppose la mise en place d’une description « robuste » face aux multiples transformations mises en jeu dans ces contenus multi-source, multi-date et multi-vue, tout en étant la plus « discriminante » possible afin d’éviter les réponses erronées16. En outre, les bases d'apprentissage sur lesquelles reposent les meilleures techniques actuelles d'apprentissage profond reflètent encore peu ces caractéristiques inter-domaines, les rendant difficilement généralisables et donc moins performantes pour les contenus d’ALEGORIA. Pour pallier ce problème de la recherche d'instances hétérogènes à faible volume de données d'entraînement, nous avons proposé le jeu d’images ALEGORIA-DB17, un nouveau benchmark mis à la disposition de la communauté scientifique, qui met en évidence un panel de variations communément rencontrées dans les données culturelles inter-domaines. Nous avons aussi évalué et adapté les méthodes de pointe, DELF18, GeM19 et leurs variantes, sur les paramètres intra-domaine et inter-domaine du benchmark.
25Trois exemples illustrent les capacités d’analyse de l’outil [Fig. 7, 8 et 9] dans le corpus de 13 000 photographies provenant des trois institutions partenaires, mais également d’Internet. Pour chacun, les cinq meilleures images retournées en réponse, par ordre décroissant de similarité visuelle, sont présentées. Ces exemples illustrent la capacité du moteur de recherche à retrouver des vues de la même scène au sein d’un même fonds ou entre fonds, malgré les différentes conditions d’acquisition.
Figure 7

Recherche d’images par contenu visuel, sur l’exemple « Sacré-Cœur » provenant du fonds MRU des Archives nationales.
© LaSTIG/IGN, Archives nationales, musée Nicéphore-Niépce.
Figure 8

Recherche d’images par contenu visuel, sur l’exemple « Chalon-sur-Saône » provenant d’internet.
© LaSTIG/IGN, Archives nationales.
Figure 9

Recherche d’images par contenu visuel, sur l’exemple « Notre-Dame-de-Lorette » provenant du fonds Lapie des Archives nationales. Ici, la requête est partielle, elle porte uniquement sur la partie de l’image sélectionnée par l’utilisateur (rectangle bleu).
© LaSTIG/IGN, Archives nationales.
26À noter que, dans le cas de Notre-Dame-de-Lorette [Fig. 9], la requête effectuée est partielle, ne portant que sur une partie de l’image, que l’utilisateur a isolée à l’aide de la souris au moment de la sélection de l’image requête. Cette fonctionnalité permet de focaliser la recherche sur une zone particulière de l’image et ainsi de faire abstraction du reste de son contenu, potentiellement perturbateur pour la recherche.
27L’architecture générale du moteur d’indexation et de recherche se compose en deux séquences [Fig. 10]. La phase de calcul des signatures (ou descripteurs) de chaque image du corpus interrogé est effectuée « hors-ligne », dès que les images sont disponibles et le cas d’usage déterminé. À l’opposé, le moteur d’interrogation exécute la recherche « en ligne », dès que l’utilisateur propose une image requête. Cette dernière partie suppose des temps de recherche et de restitution des réponses rapides : en général quelques secondes sont acceptables.
Figure 10

Schéma de principe d'un moteur de recherche d'images basé contenu. Les opérations réalisées « hors-ligne » (zone bleue) consomment beaucoup de temps de calcul mais ne doivent être réalisées qu'une fois, tandis que les opérations « en ligne » sont idéalement quasi-instantanées et peuvent être exécutées à tout moment par l’utilisateur.
© LaSTIG/IGN.
28Pour être en mesure de passer à l’échelle, c’est-à-dire de réaliser une recherche rapide quelle que soit la taille de la base d’images interrogée, une infrastructure d’interrogation logicielle et matérielle optimale était indispensable. Dans ALEGORIA, l’ensemble des signatures (autour d’un million de descripteurs pour 13 000 images) est encapsulé dans une représentation en sacs de mots visuels, permettant l’exploitation de fichiers inversés comme index des images20. Cette représentation, classique en indexation textuelle, accélère considérablement la recherche des images similaires, mais n’est pas suffisante pour de très gros volumes d’images (même si d’autres approches peuvent l’améliorer : product quantization, hashing, etc.). Il est nécessaire de lui adjoindre une solution matérielle adéquate, tel un système distribué (le stockage et la récupération des fichiers s’exécutent en un temps record). Les fichiers inversés sont ainsi stockés dans un cloud, sur un système de fichier distribué [cluster HDFS - Hadoop Distributed File System], permettant une recherche distribuée selon une architecture client-serveur. La sélection de la requête est réalisée côté client, puis elle est envoyée au serveur qui réalise sa construction, c’est-à-dire le calcul des signatures associées à l’image ; enfin le serveur effectue la recherche des vues similaires via les fichiers inversés distribués. Ce type d’architecture est également multi-utilisateur, ce qui autorise les interrogations simultanées par plusieurs personnes.
29Lorsque la base interrogée dispose de vues spatialisées (c’est-à-dire pour lesquelles la géolocalisation de la caméra ou de la scène photographiée est disponible), il est possible de propager cette information à la requête. Si cette géolocalisation est précise géométriquement (la position et l’orientation de la caméra dans un référentiel sont connues, comme c’est le cas des images de cartographie mobile Stéréopolis de l’IGN), alors il est même possible d’estimer la position et l’orientation de la caméra de l’image requête, à partir de celles des premières réponses, grâce à des méthodes de vision par ordinateur et de photogrammétrie21 [Fig. 11].
Figure 11

Visualisation dans un environnement tridimensionnel de vues géolocalisées précisément (position et orientation) du fonds Charles Gros du musée Nicéphore-Niépce (période 1933-1966).
© LaSTIG/IGN, Archives nationales, musée Nicéphore-Niépce.
Recherche multimodale d’images
30Représentées dans le modèle RDF et conformes au vocabulaire RiC-O, les métadonnées des photographies peuvent être interrogées de façon unifiée, à l’aide du langage de requêtes SPARQL. Cela permet de filtrer les images par fonds d’origine, par date, par titre, par mot-clé, par type de support, de format ou d’émulsion photographique ou encore par lieu photographié. Ces filtres peuvent être appliqués séparément ou combinés, selon la recherche souhaitée, par exemple les photographies de Dunkerque, prises entre 1939 et 1955. La réponse totalise 106 images pour le fonds des photographies aériennes obliques de l’IGN et 15 pour le fonds Combier du musée Nicéphore-Niépce. Des vues de la même partie de la ville, encore en ruines en 1948 et en cours de reconstruction vers 1950, sont ainsi rapprochées [Fig. 12 et 13].
Figure 12

Extrait de l’une des images du fonds IGN : Dunkerque en 1948.
© IGN, Photothèque nationale, fonds Durandeau, 1948.
Figure 13

Dunkerque, vers 1950.
© Collection Combier, musée Nicéphore-Niépce.
31De la même façon, on trouve pour Le Havre, 71 photographies dans le fonds IGN et 46 dans le fonds Combier dont certaines montrent la même zone à des dates distinctes, illustrant des étapes de la reconstruction [Fig. 14 à 17].
Figure 14

Le Havre, 1951.
© IGN, photothèque nationale, fonds Durandeau, 1951.
Figure 15

Le Havre, entre 1950 et 1975.
© Collection Combier, musée Nicéphore-Niépce.
Figure 16

Le Havre, 1953.
© IGN, photothèque nationale, fonds Durandeau, 1953.
Figure 17

Le Havre, entre 1950 et 1975
© collection Combier/musée Nicéphore-Niépce.
32Les filtres par date et par lieu sont simples mais nécessitent de très bien connaître les fonds à priori, sous peine de ne pas obtenir de réponse pertinente. Pour pallier cette difficulté, les recherches par intervalles temporels ou par lieux voisins sont plus efficaces. Ces dernières sont possibles car des relations spatiales explicites existent dans le référentiel de lieux utilisé pour annoter les métadonnées.
33Pour permettre une recherche aussi proche que possible des paramètres croisés d’une requête et éviter l’absence de réponse lorsque l’un d’eux n’est pas vérifié, un moteur de recherche multicritère par similarité est en cours de développement. Il vise, non plus à traiter les critères de recherche comme des filtres excluant, mais à évaluer la similarité des métadonnées de chaque image correspondant à chaque critère de recherche avec l’ensemble des valeurs voulues par l’utilisateur. Ce dernier pourra en outre pondérer les scores de similarité entre métadonnées et valeurs recherchées pour chacun de ses critères afin de hiérarchiser leur importance. Les photographies seront finalement classées en fonction de leur score décroissant de similarité agrégée22.
34Ce moteur de recherche par similarité permettra de traiter simplement les recherches d’images par contenu, qui fonctionnent également sur la base de valeurs de similarité entre l’image requête et le corpus interrogé. Ainsi, il pourra être facilement étendu aux applications de recherche multimodale d’images, celles conjuguant une image requête et des critères textuels d’interrogation. Dans la recherche d'images, de nombreuses approches sont disponibles pour fusionner des informations multimodales23. Elles sont généralement réparties en méthodes dites « précoces » et « tardives », selon que la fusion porte sur les descripteurs, avant la recherche par similarité, ou après lorsqu'elle met en jeu les réponses retournées. Pour que les modalités d'interrogation soient plus flexibles pour l'utilisateur, ALEGORIA compte exploiter une approche de fusion tardive24, c’est-à-dire en considérant les rangs des réponses retournées ou leurs scores de similarité. Ainsi, en reprenant l’exemple précédent d’une recherche de photographies de Dunkerque prises entre 1939 et 1955 et similaires à une image précise [Fig.12], au lieu d’une réponse de 15 images, le moteur de recherche classera/priorisera le résultat, renvoyant en premier lieu la vue qui présente la même zone de la ville, reconnaissable à ses bâtiments remarquables [Fig. 13]. En ajoutant la fonctionnalité de recherche par contenu partiel [Fig. 9], il sera même possible de focaliser la requête sur certains éléments architecturaux.
Améliorer les descriptions et ouvrir de nouvelles pistes de recherche à partir des fonds photographiques de la Reconstruction
35L’indexation et la recherche multimodales offrent des potentialités extrêmement intéressantes pour les archivistes et les utilisateurs des archives (chercheurs ou grand public), de la simple application aidant à l’identification, à la mise en relation de corpus permettant une analyse plus complexe en histoire visuelle. Si les réflexions sont encore en cours avec les services des publics des Archives nationales pour définir les applications générales potentielles, plusieurs usages concrets sont d’ores et déjà établis : identifier et mutualiser, dater, suivre l’évolution d’une zone ainsi que comparer les modes de prises de vues dans le temps.
Identifier des vues et mutualiser leurs informations documentaires
36Nombre de photographies conservées au sein de ces fonds ne possèdent ni légende ni information sur la localisation précise des sites représentés, ce qui constitue un frein à leur traitement archivistique et à leur diffusion. Sans identité ou avec une légende parfois erronée, ces ensembles ne sont peu exploitables sauf à envisager la mise en œuvre de démarches participatives visant à documenter les fonds. Mais celles-ci peuvent être lourdes à mettre en place et aléatoires quant aux résultats.
37Les rapprochements de photographies selon leurs similarités visuelles permettent d’identifier beaucoup plus simplement et sûrement des vues dénuées de précisions documentaires, et surtout de propager les informations de l’une à l’autre, générant ainsi du contenu sémantique. Le site photographié sur une image requête issue d’Internet, non documenté, est ainsi localisé comme étant la ville de Chalon-sur-Saône, à partir des premières vues retournées, bien légendées, appartenant au fonds Lapie, datées des années 1955-1965. L’exemple vaudrait pour tout édifice ou équipement urbain grâce à la recherche partielle sur une partie d’images, sur des éléments architecturaux par exemple (structures de ports, plans d’église ou encore formes caractéristiques de grands ensembles) [Fig. 18].
Figure 18

Propagation de l’information entre images retrouvées par similarité visuelle.
© LaSTIG/IGN, Archives nationales.
38Plus généralement, les institutions conservent quelquefois des versions différentes des mêmes images. C’est par exemple le cas de photographies de Lapie, disponibles aux Archives nationales mais aussi au musée Nicéphore-Niépce. Ce dernier dispose ainsi des livrets ou portfolios d’images, édités par l’entreprise, qui comportent des commentaires détaillés destinés à une « documentation pédagogique ». Les Archives nationales conservent quant à elles le fonds de l’entreprise, avec les « matrices » de production des images, négatifs ou positifs sur verre ou support souple, ainsi que les albums de référence, mais pratiquement aucun objets édités et commercialisés. Ces « matrices » présentent peu d’informations liées à leurs usages (tourisme, pédagogie). Ce sont en réalité deux types d’objets Lapie bien différents qui peuvent être croisés grâce aux outils développés dans le projet ALEGORIA, permettant aux historiens de comprendre l’articulation production-usage des images, ainsi que le fonctionnement et l’activité de l’entreprise.
Dater plus précisément des prises de vue
39Dans la même logique comparatiste, les rapprochements par similarité visuelle permettent de préciser des datations approximatives, de confirmer des datations incertaines ou encore d’améliorer la fiabilité des datations. L’exemple des cartes postales, réimprimées sur une longue période et peu datées (contrairement aux campagnes publiques de prises de vue systématiques et datées précisément) est emblématique. Dans un premier inventaire, la photographie Lapie de l’église Saint-Jean de Caen avait, par exemple, été datée de 1955 à 1965 par recoupement avec les dates d’activité de l’entreprise [Fig. 19]. La carte postale de l’entreprise Combier [Fig. 20] de cette même église portait la mention « vers 1950 ».
Figure 19

Caen, quartier de l’église Saint-Jean, fonds Lapie (daté 1955-1965, en réalité 1958-1965).
© Archives nationales, fonds Lapie. Toute réutilisation est interdite sans l’accord des ayants droit.
Figure 20

Caen, église Saint-Jean (datée « vers 1950 », en réalité 1958-1975).
© fonds Combier, musée Nicéphore-Niépce.
40La similarité visuelle a permis de trouver, dans les fonds de l’IGN, des vues du quartier et de l’édifice, avant et après sa reconstruction, en 1954 et 1959 [Fig. 21 et 22]. Grâce à ces images, les datations des cartes postales Lapie et Combier ont été affinées : le quartier y étant entièrement reconstruit et habité, elles remontent, au plus tôt, aux années 1958-1959.
Figure 21

Caen, quartier de l’église Saint-Jean, 1954.
© IGN, Photothèque nationale, fonds Compagnie aérienne française [CAF], 1954.
Figure 22

Caen, quartier de l’église Sain-Jean, 1959.
© IGN, photothèque nationale, fonds Durandeau.
Suivre l’évolution d’un territoire
41L’interconnexion de collections photographiques permet également de croiser les regards et de reconstituer une histoire visuelle cohérente d’une zone géographique. Cela vaut en particulier pour les lieux qui ont connu de profonds bouleversements urbains, tels ceux causés par les guerres. Les combats, les dynamitages ou les bombardements ont endommagé, voire détruit totalement, des quartiers entiers. La trame urbaine s’en trouvait bouleversée. Des ruines vont naître des ensembles totalement réorganisés, les pouvoirs publics et les urbanistes dessinant des entités immobilières à la spatialité totalement repensée. L’interconnexion de différents fonds iconographiques documente ces changements urbanistiques et architecturaux, permettant de mieux comprendre l’évolution des sites ainsi que les choix opérés.
42Les vues croisées des fonds de l’IGN, Combier, Lapie et du MRU montrent ainsi la transformation du quartier du vieux port à Marseille, entre 1931 et les années 1970 [Fig. 23 à 28]. Les zones industrielles et d’habitations particulièrement denses qui enserrent les bassins depuis la fin du xixe siècle sont rasées par les Allemands dès 1943 après une rafle de populations juives déportées par la suite dans les camps d’extermination.
Figure 23

Marseille, vue du quartier Saint-Jean, 1931.
© fonds des prises de vues obliques, IGN, photothèque nationale, fonds Compagnie aérienne française [CAF].
Figure 24

Marseille 1947, le vieux port : sur la rive nord, l'ancien quartier Saint-Jean, détruit en février 1943 sur ordre des autorités allemandes.
© fonds des prises de vues obliques, IGN, photothèque nationale, fonds Durandeau.
43Après les travaux de déblaiement et d’arasement, véritable tabula rasa bien visible sur la vue IGN de 1947, le quartier est reconstruit dès l’année suivante, sous la houlette des architectes André Leconte et Fernand Pouillon25. Les îlots débouchant sur les quais du port sont redessinés, comprenant des immeubles aux lignes modernes entourant quelques monuments préservés, tels l’hôtel de ville ou le fort Saint-Jean.
Figure 25

Vue aérienne prise de Marseille, décembre 1950. Cartothèque de la division des travaux topographiques du ministère de la Reconstruction et de l'Urbanisme, Archives nationales, 20130290/2.
© Archives nationales.
Figure 26

Vue aérienne du vieux port de Marseille, après la reconstruction de la rive nord, sans date.
Cartothèque de la division des travaux topographiques du ministère de la Reconstruction et de l'Urbanisme, Archives nationales, cote 20130290/14.
Figure 27

Marseille, le vieux port après la reconstruction de la rive nord, sans date.
© cliché Archives nationales, fonds Lapie. Toute réutilisation est interdite sans l’accord des ayants droit.
Figure 28

Marseille, (métadonnées officielles : vers 1950, en réalité probablement entre 1955 et 1975) : le vieux port après la reconstruction de la rive nord.
© fonds Combier, musée Nicéphore-Niépce.
Comparer les modes de prises de vues sur un site dans le temps
44Les fonds constitués uniquement de photographies, en particulier ceux classés topographiquement, sont particulièrement répandus dans les services d’archives et prisés des professionnels du patrimoine ou des historiens. Conservés pour leur capacité à documenter ou plutôt illustrer des lieux et pour servir d’iconographie généraliste, ils restent souvent muets sur leur constitution, leurs usages, leurs spécificités à l’époque de leur production. Les archives écrites les concernant restent rares. Une approche comparatiste grâce à la recherche multimodale permettrait d’analyser par exemple plus concrètement, à partir d’études de cas, les circuits empruntés par les pilotes et les opérateurs de prises de vues et ainsi de dégager les spécificités de chacun. Cette approche, constituant une recherche à part entière, aiderait à comprendre les différentes mises en images d’un même site au fil du temps et par différents producteurs de photographies, publics et privés.
45Cet article a présenté les méthodes et outils développés et en cours d'évaluation dans le projet ALEGORIA pour croiser les sources iconographiques de vues aériennes du territoire français, par l'utilisation de techniques d'indexation et de recherche multimodales d'images. Toutes consacrées à la représentation du territoire français, depuis le ciel pour la plupart, les collections iconographiques au cœur du projet sont pourtant sujettes à une grande variabilité dans leurs contenus comme dans les métadonnées qui leurs sont associées. Une grande partie des travaux réalisés et revisités dans cet article a ainsi porté sur l'harmonisation des métadonnées et sur le développement de techniques d'indexation robustes aux transformations existant entre contenus d’un même fonds mais surtout entre fonds.
46En plus des outils proposés, le projet a permis la mise en place et la diffusion de jeux de données mis à disposition des communautés de recherche en Sciences humaines et sociales [SHS] et en Intelligence artificielle [IA]. En particulier, plusieurs jeux d'images à destination des chercheurs en indexation multimodale d'images [GENR] et par apprentissage profond (SF300 et base ALEGORIA-DB) ont été proposés26. De la même manière, au fur et à mesure que les métadonnées descriptives des images et documents graphiques sélectionnés pour le projet auront été harmonisées, celles-ci seront publiées sur le Web, conformément aux bonnes pratiques du Web de données, et rendues consultables via le point d’accès SPARQL.
Bibliographie
Des DOI sont automatiquement ajoutés aux références bibliographiques par Bilbo, l’outil d’annotation bibliographique d’OpenEdition. Ces références bibliographiques peuvent être téléchargées dans les formats APA, Chicago et MLA.
Format
- APA
- Chicago
- MLA
Atrey P. K., Anwar Hossain M., El Saddik Abdulmotaleb et Kankanhalli Mohan, « Multimodal fusion for multimedia analysis : a survey », Multimedia Systems, n°16 (6), novembre 2010, p. 345-379.
Benavent Xaro, Garcia-Serrano Ana, Granados Ruben, Benavent Joan and Ves Ether de, « Multimedia information retrieval based on late semantic fusion approaches : Experiments on a wikipedia image collection », IEEE transactions on multimedia 15, n° 8, 2013.
Bonillo Jean-Lucien, La reconstruction à Marseille, architecture et projets urbains [Exposition, Marseille, archives et bibliothèque départementales Gaston-Defferre, 2007], Marseille, éd. Imbernon, 2008, 191 p.
Bougiatiotis Konstantinos and Giannakopoulos Theodoros, « Enhanced movie content similarity based on textual, auditory and visual information », Expert Systems with Applications 96, 2018, p. 86-102.
10.1016/j.eswa.2017.11.050 :Clavaud Florence and Wildi Tobias, « ICA Records in Contexts-Ontology [RiC-O] : a Semantic Framework for Describing Archival Resources », Proceedings of Linked Archives International Workshop 2021 co-located with 25th International Conference on Theory and Practice of Digital Libraries [TPDL] 2021, Online, September 13th, 2021 [lien valide en septembre 2023].
Gominski Dimitri, POREBA Martyna, Gouet-Brunet Valérie, Chen Liming, « Challenging deep image descriptors for retrieval in heterogeneous iconographic collections », communication au SUMAC'19 Workshop @ ACM Multimedia 2019, Nice [lien valide en septembre 2023].
Noh Hyeonwoo, Araujo André, Sim Jack, Weyand Tobias and Han Bohyung, « Large-Scale Image Retrieval with Attentive Deep Local Features », actes de 2017 IEEE International Conference on Computer Vision [ICCV], 2017, Venise, p. 3476–3485 [doi : 10.1109/ICCV.2017.374.] [lien valide en septembre 2023].
10.1109/ICCV.2017.374 :Paparoditis Nicolas, Papelard Jean-Pierre, Cannelle Bertrand, Devaux Alexandre, Soheilian Bahman, David Nicolas, Houzay Erwan, « Stereopolis II : A multi-purpose and multi-sensor 3D mobile mapping system for street visualisation and 3D metrology », Revue française de photogrammétrie et de télédétection, n°200, octobre 2012, p. 69-79.
Pion N., Humenberger M., Csurka G., Cabon Y. and Sattler T., « Benchmarking Image Retrieval for Visual Localization », International Conference on 3D Vision, 2020.
10.1109/3DV50981.2020 :Radenovic F., Tolias G. and Chum O., « Fine-Tuning CNN Image Retrieval with No Human Annotation », IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 41, n°7, p. 1655-1668, juillet 2019 [doi : 10.1109/TPAMI.2018.2846566.].
10.1109/TPAMI.2018.2846566 :Sivic J. and Zisserman A., « Video Google : A Text Retrieval Approach to Object Matching in Videos », Proceedings of Ninth IEEE International Conference on Computer Vision, 2003, p. 1470-1477, vol. 2.
10.1109/ICCV.2003.1238663 :Snoek C.G.M., Worring M. and Smeulders A.W.M., « Early versus late fusion in semantic video analysis », Proceedings of the 13th Annual ACM Int. Conf. on Multimedia, p. 399-402, ACM, New York, 2005.
10.1145/1101149 :Tollari S., Mulhem P., Ferecatu M., Glotin H., Detyniecki M., Gallinari P., Sahbi H. and Zhao Z., « A Comparative Study of Diversity Methods for Hybrid Text and Image Retrieval Approaches », Cross-language evaluation forum conference on Evaluating systems for multilingual and multimodal information access (CLEF'08), October 2009, p. 585-592.
10.1007/978-3-642-04447-2 :Zheng L., Yang Y. and Tian Q., « SIFT Meets CNN : A Decade Survey of Instance Retrieval », IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PP, Aug. 2016 [doi : 10.1109/TPAMI.2017.2709749].
10.1109/TPAMI.2017.2709749 :Notes de bas de page
1 Advanced linking and exploitation of digitized geographic iconographic heritage ; voir le site web du projet : https://www.alegoria-project.fr
2 https://www.siv.archives-nationales.culture.gouv.fr/siv/IR/FRAN_IR_055325
3 https://www.siv.archives-nationales.culture.gouv.fr/siv/IR/FRAN_IR_050605
4 BD ORTHO® Historique : https://geoservices.ign.fr/bdorthohisto
5 Portail « Remonter le temps » de l’IGN : https://remonterletemps.ign.fr
6 Il a fusionné en 2012 avec l’IGN.
7 Paparoditis Nicolas, Papelard Jean-Pierre, Cannelle Bertrand, Devaux Alexandre, Soheilian Bahman, David Nicolas, Houzay Erwan, « Stereopolis II : A multi-purpose and multi-sensor 3D mobile mapping system for street visualisation and 3D metrology », Revue française de photogrammétrie et de télédétection, n°200, octobre 2012, p. 69-79.
8 Le document est actuellement disponible à cette adresse : https://www.culture.gouv.fr/var/culture/storage/pub/feuille_de_route__metadonnees_culturelles_et_transition_web_3_0_janvier_2014/files/docs/all.pdf.
9 https://www.go-fair.org/fair-principles/.
10 https://www.ica.org/standards/RiC/ontology. La version la plus récente de RiC-O, publiée en février 2021, est celle retenue pour le projet. RiC-O est une transposition formelle d’un modèle conceptuel entités-relations, RiC-CM : https://www.ica.org/sites/default/files/ric-cm-02_july2021_0.pdf). Voir aussi Clavaud (Florence) and Wildi (Tobias), « ICA Records in Contexts-Ontology [RiC-O] : a Semantic Framework for Describing Archival Resources », Proceedings of Linked Archives International Workshop 2021 co-located with 25th International Conference on Theory and Practice of Digital Libraries [TPDL], 2021, Online, September 13th, 2021 : http://ceur-ws.org/Vol-3019/LinkedArchives_2021_paper_13.pdf.
11 On peut consulter un diagramme un peu différent dans le détail, représentant cette fois-ci les métadonnées d’une photographie du fonds Lapie des Archives nationales, à l’adresse suivante : https://raw.githubusercontent.com/ICA-EGAD/RiC-O/master/diagrams/diagrams_v0-2/NationalArchivesOfFrance-examples/a-print-in-one-of-the-albums.jpg.
12 Encoded Archival Description, voir https://www.loc.gov/ead/.
13 Voir le SPARQL end point : http://data.alegoria-project.fr/sparql. Le document https://www.alegoria-project.fr/sites/default/files/22.01.07_MetadataAccessAndQuery.pdf (en anglais) fournit par ailleurs des exemples de requêtes SPARQL et les liens vers des dumps des métadonnées, pour chacun des sous-ensembles d’images et documents graphiques retenus.
14 Zheng (L.), Yang (Y.) and Tian (Q.), « SIFT Meets CNN : A Decade Survey of Instance Retrieval », IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PP, Aug. 2016 [doi : 10.1109/TPAMI.2017.2709749].
15 Voir la section « Améliorer les descriptions et ouvrir de nouvelles pistes de recherche à partir des fonds photographiques de la Reconstruction ».
16 Gominski Dimitri, POREBA Martyna, Gouet-Brunet Valérie, Chen Liming, « Challenging deep image descriptors for retrieval in heterogeneous iconographic collections », communication au SUMAC'19 Workshop @ ACM Multimedia 2019, Nice [lien valide en septembre 2023].
17 Jeu d’images ALEGORIA-DB : https://www.alegoria-project.fr/en/Alegoria_dataset
18 Noh Hyeonwoo, Araujo André, Sim Jack, Weyand Tobias and Han Bohyung, « Large-Scale Image Retrieval with Attentive Deep Local Features », actes de 2017 IEEE International Conference on Computer Vision (ICCV), o 2017, Venise, https://www.computer.org/csdl/proceedings/iccv/2017/12OmNAXxXaK, p. 3476–3485 [doi : 10.1109/ICCV.2017.374].
19 Radenovic F., Tolias G. and Chum O., « Fine-Tuning CNN Image Retrieval with No Human Annotation », IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 41, n°7, p. 1655-1668, juillet 2019 [doi : 10.1109/TPAMI.2018.2846566].
20 Sivic J. and Zisserman A., « Video Google : A Text Retrieval Approach to Object Matching in Videos », Proceedings of Ninth IEEE International Conference on Computer Vision, 2003, p. 1470-1477, vol. 2.
21 Pion N., Humenberger M., Csurka G., Cabon Y. and Sattler T., « Benchmarking Image Retrieval for Visual Localization », International Conference on 3D Vision, 2020.
22 Benavent Xaro, Garcia-Serrano Ana, Granados Ruben, Benavent Joan and Ves Ether de, « Multimedia information retrieval based on late semantic fusion approaches : Experiments on a wikipedia image collection ». IEEE transactions on multimedia 15, n°8, 2013 ; Bougiatiotis Konstantinos and Giannakopoulos Theodoros, « Enhanced movie content similarity based on textual, auditory and visual information », Expert Systems with Applications n°96, 2018, p. 86-102.
23 Tollari S., Mulhem P., Ferecatu M., Glotin H., Detyniecki M., Gallinari P., Sahbi H. and Zhao Z., « A Comparative Study of Diversity Methods for Hybrid Text and Image Retrieval Approaches », Cross-language evaluation forum conference on Evaluating systems for multilingual and multimodal information access (CLEF'08), October 2009, p. 585-592 ; Atrey P.-K., Anwar Hossain M., El Saddik Abdulmotaleb et Kankanhalli Mohan, « Multimodal fusion for multimedia analysis : a survey », Multimedia Systems, n°16(6), nov. 2010, p. 345–379.
24 Snoek C.G.M., Worring M. and Smeulders A.W.M., « Early versus late fusion in semantic video analysis » Proceedings of the 13th Annual ACM Int. Conf. on Multimedia, p. 399-402, ACM, New York, 2005.
25 Bonillo Jean-Lucien, La reconstruction à Marseille, architecture et projets urbains [Exposition, Marseille, archives et bibliothèque départementales Gaston-Defferre, 2007], Marseille, Imbernon, 2008, 191 p.
26 Jeux d'images ALEGORIA : https://www.alegoria-project.fr/datasets
Auteurs
Directrice de recherche du ministère de la Transition écologique, LaSTIG, IGN-ENSG, université Gustave-Eiffel, chef de projet ALEGORIA
valerie.gouet@ign.fr
Ingénieur des travaux géographiques et cartographiques de l’État à l’IGN, chargée de recherche au LaSTIG, IGN-ENSG, université Gustave-Eiffel
nathalie-f.abadie@ign.fr
Directeur des collections du musée Nicéphore-Niépce
sylvain.besson@chalonsursaone.fr
Chargée d'études documentaires à la Mission de la photographie aux Archives nationales
marie-eve.bouillon@culture.gouv.fr
Ingénieure d'études au Lab des Archives nationales
pauline.charbonnier@culture.gouv.fr
Professeur de classe exceptionnelle au département de mathématiques et d'informatique de l’École centrale de Lyon, université de Lyon
liming.chen@ec-lyon.fr
Responsable du Lab aux Archives nationales
florence.clavaud@culture.gouv.fr
Ingénieur d'études Big Data, LaSTIG, IGN-ENSG, université Gustave-Eiffel
florent.geniet@ign.fr
Doctorant 2018-2021, rattaché aux laboratoires LaSTIG, IGN-ENSG, université Gustave-Eiffel et LIRIS, Centrale Lyon
dimitri.gominski@ign.fr
Responsable des fonds Reconstruction, Urbanisme, Logement, Aménagement du territoire au département de l’Environnement, de l’Aménagement du territoire et de l’Agriculture [DEATA] aux Archives nationales
boris.labidurie@culture.gouv.fr
Ingénieur d'études Big Data, LaSTIG, IGN-ENSG, université Gustave-Eiffel
quoc-dinh.nguyen@ign.fr
Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.
Le consulat de France à Cadix
Institution, intérêts et enjeux (1666-1740)
Anne Mézin et Anne Pérotin-Dumon (dir.)
2016
Archives et communisme(s) : l’avant-guerre (1919-1943)
Nouveaux outils, nouvelles archives
Sylvie Le Clec’h, Christian Oppetit et Serge Wolikow (dir.)
2016
Connaître les dénaturalisés de Vichy
La base Dénat, un nouvel outil et ses exploitations
Thomas Lebée et Annie Poinsot (dir.)
2019
Les archives iconographiques et audiovisuelles de la Reconstruction en France, de 1940 aux années 1960
Boris Labidurie et Christel Palant (dir.)
2023
Éducation populaire : engagement, médiation, transmission (XIXe-XXIe siècles)
Jean-Charles Buttier, Clothilde Roullier et Agnès Sandras (dir.)
2022
Les nouveaux paradigmes de l'archive
Claire Scopsi, Clothilde Roullier, Martine Sin Blima-Barru et al. (dir.)
2024