Descripteur
Documents disponibles dans cette catégorie (1677)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
BIM, SIG et recherche dans le secteur privé / Anonyme in Géomatique expert, n° 127 (avril - mai 2019)
[article]
Titre : BIM, SIG et recherche dans le secteur privé Type de document : Article/Communication Auteurs : Anonyme, Auteur Année de publication : 2019 Article en page(s) : pp 37 - 41 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] format Industry foudation classes IFC
[Termes IGN] format LandXML
[Termes IGN] modèle 3D de l'espace urbain
[Termes IGN] modélisation 3D du bâti BIM
[Termes IGN] réseau neuronal artificiel
[Termes IGN] système d'information géographiqueRésumé : (Auteur) Si l’IGN et les universités pilotent la recherche en géomatique dans le secteur public, la recherche dans le secteur privé avance également, mais avec des objectifs sensiblement différents. Regards croisés de deux sociétés, l’une orientée SIG (Business Geografic) et l’autre plutôt infrastructure (GéoMensura). Numéro de notice : A2019-309 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93286
in Géomatique expert > n° 127 (avril - mai 2019) . - pp 37 - 41[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité IFN-001-P002141 PER Revue Nogent-sur-Vernisson Salle périodiques Exclu du prêt Champs et objets pour mieux représenter les phénomènes dans leur contexte géographique / Anne Ruas in Revue internationale de géomatique, vol 29 n° 2 (avril - juin 2019)
[article]
Titre : Champs et objets pour mieux représenter les phénomènes dans leur contexte géographique Type de document : Article/Communication Auteurs : Anne Ruas , Auteur ; Ha Pham, Auteur ; Laura Pinson, Auteur Année de publication : 2019 Article en page(s) : pp 185 - 205 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Termes IGN] données maillées
[Termes IGN] données météorologiques
[Termes IGN] données vectorielles
[Termes IGN] exploration de données géographiques
[Termes IGN] généralisation cartographique
[Termes IGN] niveau de détail
[Termes IGN] pollution des eaux
[Termes IGN] représentation cartographique
[Termes IGN] zone urbaine
[Vedettes matières IGN] GéovisualisationRésumé : (Auteur) De nombreuses études et recherches visent à mieux connaitre les phénomènes de type pollution ou météo. Les champs de valeur représentant ces phénomènes peuvent être visualisés sur des outils de visualisation scientifiques qui ne disposent pas de la richesse de symbolisation propre aux SIGs, notamment pour le géoréférencement et pour la représentation des objets vectoriels décrivant l’espace support. La représentation sous forme raster sur SIG est possible mais limitée. Pourtant au niveau scientifique il est important de pouvoir co-visualiser les champs dans leur contexte géographique pour mieux les analyser et faire des hypothèses sur les interactions entre un phénomène et l’espace support. Dans ce papier nous proposons de créer des objets graphiques spécifiques permettant de visualiser des champs de valeur à différents niveaux de détail et sur différents objets de l’espace support. Les objets graphiques de type plan mettent en valeur la continuité du phénomène et se voient par transparence avec les autres objets alors que les objets de type grille permettent de voir le champ et les autres objets décrivant l’espace. Les données peuvent aussi être projetées sur des objets vectoriels particuliers de l’espace support. Nous proposons également d’utiliser des symboles surfaciques et non ponctuels afin de mieux résister aux opérations de zoom et de dézoom. Nous proposons un modèle de données dédié à la représentation graphique des données de type phénomène que nous illustrons à partir de données décrivant un flux et une pollution dans une canalisation d’eau et des données météorologiques urbaines. Dans ce papier nous ne traitons pas de la représentation de la dynamique en tant que tel mais nous proposons une meilleure représentation graphique de chaque état décrivant un phénomène. Numéro de notice : A2019-603 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3166/rig.2019.00081 Date de publication en ligne : 02/03/2020 En ligne : https://doi.org/10.3166/rig.2019.00081 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94681
in Revue internationale de géomatique > vol 29 n° 2 (avril - juin 2019) . - pp 185 - 205[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 047-2019021 SL Revue Centre de documentation Revues en salle Disponible Geographic Knowledge Graph (GeoKG): A formalized geographic knowledge representation / Shu Wang in ISPRS International journal of geo-information, vol 8 n° 4 (April 2019)
[article]
Titre : Geographic Knowledge Graph (GeoKG): A formalized geographic knowledge representation Type de document : Article/Communication Auteurs : Shu Wang, Auteur ; Xueying Zhang, Auteur ; Peng Ye, Auteur ; Mi Du, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : n° 184 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Langages informatiques
[Termes IGN] formalisation
[Termes IGN] langage de programmation
[Termes IGN] Nankin (Kiangsou)
[Termes IGN] représentation des connaissances
[Termes IGN] réseau sémantiqueRésumé : (auteur) Formalized knowledge representation is the foundation of Big Data computing, mining and visualization. Current knowledge representations regard information as items linked to relevant objects or concepts by tree or graph structures. However, geographic knowledge differs from general knowledge, which is more focused on temporal, spatial, and changing knowledge. Thus, discrete knowledge items are difficult to represent geographic states, evolutions, and mechanisms, e.g., the processes of a storm “{9:30-60 mm-precipitation}-{12:00-80 mm-precipitation}-…”. The underlying problem is the constructors of the logic foundation (ALC description language) of current geographic knowledge representations, which cannot provide these descriptions. To address this issue, this study designed a formalized geographic knowledge representation called GeoKG and supplemented the constructors of the ALC description language. Then, an evolution case of administrative divisions of Nanjing was represented with the GeoKG. In order to evaluate the capabilities of our formalized model, two knowledge graphs were constructed by using the GeoKG and the YAGO by using the administrative division case. Then, a set of geographic questions were defined and translated into queries. The query results have shown that GeoKG results are more accurate and complete than the YAGO’s with the enhancing state information. Additionally, the user evaluation verified these improvements, which indicates it is a promising powerful model for geographic knowledge representation. Numéro de notice : A2019-671 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.3390/ijgi8040184 Date de publication en ligne : 08/04/2019 En ligne : https://doi.org/10.3390/ijgi8040184 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100286
in ISPRS International journal of geo-information > vol 8 n° 4 (April 2019) . - n° 184[article]Journées de la recherche 2019 / Anonyme in Géomatique expert, n° 127 (avril - mai 2019)
[article]
Titre : Journées de la recherche 2019 Type de document : Article/Communication Auteurs : Anonyme, Auteur Année de publication : 2019 Article en page(s) : pp 23 - 34 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Information géographique
[Termes IGN] apprentissage profond
[Termes IGN] base de connaissances
[Termes IGN] carte de Cassini
[Termes IGN] données localisées
[Termes IGN] données localisées 3D
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] géoréférencement
[Termes IGN] parcelle agricole
[Termes IGN] paroisse
[Termes IGN] photographie argentique
[Termes IGN] qualité des données
[Termes IGN] réseau neuronal convolutif
[Termes IGN] segmentation
[Termes IGN] segmentation d'image
[Termes IGN] semis de points
[Termes IGN] série temporelleRésumé : (Auteur) Cette année, les journées de la recherche de l’IGN ont fait la part belle aux réseaux de neurones – un sujet décidément très à la mode – ainsi qu’à différentes initiatives d’archivage et de consultation des données géographiques anciennes. Numéro de notice : A2019-308 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE/POSITIONNEMENT Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93284
in Géomatique expert > n° 127 (avril - mai 2019) . - pp 23 - 34[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité IFN-001-P002141 PER Revue Nogent-sur-Vernisson Salle périodiques Exclu du prêt Learning high-level features by fusing multi-view representation of MLS point clouds for 3D object recognition in road environments / Zhipeng Luo in ISPRS Journal of photogrammetry and remote sensing, vol 150 (April 2019)
[article]
Titre : Learning high-level features by fusing multi-view representation of MLS point clouds for 3D object recognition in road environments Type de document : Article/Communication Auteurs : Zhipeng Luo, Auteur ; Jonathan Li, Auteur ; Zhenlong Xiao, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 44 - 58 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] apprentissage profond
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] fusion de données
[Termes IGN] jointure spatiale
[Termes IGN] objet 3D
[Termes IGN] reconnaissance d'objets
[Termes IGN] représentation multiple
[Termes IGN] réseau neuronal convolutif
[Termes IGN] semis de pointsRésumé : (Auteur) Most existing 3D object recognition methods still suffer from low descriptiveness and weak robustness although remarkable progress has made in 3D computer vision. The major challenge lies in effectively mining high-level 3D shape features. This paper presents a high-level feature learning framework for 3D object recognition through fusing multiple 2D representations of point clouds. The framework has two key components: (1) three discriminative low-level 3D shape descriptors for obtaining multi-view 2D representation of 3D point clouds. These descriptors preserve both local and global spatial relationships of points from different perspectives and build a bridge between 3D point clouds and 2D Convolutional Neural Networks (CNN). (2) A two-stage fusion network, which consists of a deep feature learning module and two fusion modules, for extracting and fusing high-level features. The proposed method was tested on three datasets, one of which is Sydney Urban Objects dataset and the other two were acquired by a mobile laser scanning (MLS) system along urban roads. The results obtained from comprehensive experiments demonstrated that our method is superior to the state-of-the-art methods in descriptiveness, robustness and efficiency. Our method achieves high recognition rates of 94.6%, 93.1% and 74.9% on the above three datasets, respectively. Numéro de notice : A2019-137 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.01.024 Date de publication en ligne : 16/02/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.01.024 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92468
in ISPRS Journal of photogrammetry and remote sensing > vol 150 (April 2019) . - pp 44 - 58[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2019041 RAB Revue Centre de documentation En réserve L003 Disponible 081-2019043 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2019042 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Multilane roads extracted from the OpenStreetMap urban road network using random forests / Yongyang Xu in Transactions in GIS, vol 23 n° 2 (April 2019)PermalinkSegmentation for Object-Based Image Analysis (OBIA): A review of algorithms and challenges from remote sensing perspective / Mohammad D. Hossain in ISPRS Journal of photogrammetry and remote sensing, vol 150 (April 2019)PermalinkVehicle detection in aerial images / Michael Ying Yang in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 4 (avril 2019)PermalinkBuilding detection and regularisation using DSM and imagery information / Yousif A. Mousa in Photogrammetric record, vol 34 n° 165 (March 2019)PermalinkCentral place indexing : hierarchical linear indexing systems for mixed-aperture hexagonal discrete global grid systems / Kevin Sahr in Cartographica, vol 54 n° 1 (Spring 2019)PermalinkDeep mapping gentrification in a large Canadian city using deep learning and Google Street View / Lazar Ilic in Plos one, vol 14 n° 3 (March 2019)PermalinkDuPLO: A DUal view Point deep Learning architecture for time series classificatiOn / Roberto Interdonato in ISPRS Journal of photogrammetry and remote sensing, vol 149 (March 2019)PermalinkForest degradation and biomass loss along the Chocó region of Colombia / Victoria Meyer in Carbon Balance and Management, vol 14 (March 2019)PermalinkGeospatial data organization methods with emphasis on aperture-3 hexagonal discrete global grid systems / Ali Mahdavi Amiri in Cartographica, vol 54 n° 1 (Spring 2019)PermalinkInferring user tasks in pedestrian navigation from eye movement data in real-world environments / Hua Liao in International journal of geographical information science IJGIS, Vol 33 n° 3-4 (March - April 2019)PermalinkLearning to segment moving objects / Pavel Tokmakov in International journal of computer vision, vol 127 n° 3 (March 2019)PermalinkSemantic understanding of scenes through the ADE20K dataset / Bolei Zhou in International journal of computer vision, vol 127 n° 3 (March 2019)PermalinkA derivative-free optimization-based approach for detecting architectural symmetries from 3D point clouds / Fan Xue in ISPRS Journal of photogrammetry and remote sensing, vol 148 (February 2019)PermalinkGeoTxt: A scalable geoparsing system for unstructured text geolocation / Morteza Karimzadeh in Transactions in GIS, vol 23 n° 1 (February 2019)PermalinkImproving LiDAR classification accuracy by contextual label smoothing in post-processing / Nan Li in ISPRS Journal of photogrammetry and remote sensing, vol 148 (February 2019)PermalinkLearning spectral-spatial-temporal features via a recurrent convolutional neural network for change detection in multispectral imagery / Lichao Mou in IEEE Transactions on geoscience and remote sensing, vol 57 n° 2 (February 2019)PermalinkAdvanced Remote Sensing Technology for Synthetic Aperture Radar Applications, Tsunami Disasters, and Infrastructure / Maged Marghany (2019)PermalinkPermalinkAn approach for identifying and analysing reference features and spatial relations used in mountain emergency calls / Mattia Bunel (2019)PermalinkAnalyse d’images par méthode de Deep Learning appliquée au contexte routier en conditions météorologiques dégradées / Khouloud Dahmane (2019)Permalink