Détail de l'autorité
|
SAGEO 2019, Spatial Analysis and GEOmatics 13/11/2019 15/11/2019 Clermont-Ferrand France Open Access Proceedings
nom du congrès :
SAGEO 2019, Spatial Analysis and GEOmatics
début du congrès :
13/11/2019
fin du congrès :
15/11/2019
ville du congrès :
Clermont-Ferrand
pays du congrès :
France
site des actes du congrès :
|
Documents disponibles (2)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesvol 30 n° 1-2 - janvier - juin 2020 - Transitions territoriales pour l'agriculture et l'alimentation de demain (Bulletin de Revue internationale de géomatique) / Sylvie Lardon
est un bulletin de Revue internationale de géomatique / Délégation à l'information scientifique et technique (1994 -)
Titre : vol 30 n° 1-2 - janvier - juin 2020 - Transitions territoriales pour l'agriculture et l'alimentation de demain Type de document : Périodique Auteurs : Sylvie Lardon, Éditeur scientifique ; François Pinet, Éditeur scientifique Année de publication : 2020 Conférence : SAGEO 2019, Spatial Analysis and GEOmatics 13/11/2019 15/11/2019 Clermont-Ferrand France Open Access Proceedings Langues : Français (fre) Numéro de notice : 047-202001 Affiliation des auteurs : non IGN Nature : Numéro de périodique En ligne : https://rig.revuesonline.com/articles/lvrig/abs/2020/04/contents/contents.html Format de la ressource électronique : URL Sommaire Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=33283 [n° ou bulletin]
- Articuler cognition spatiale et cognition environnementale pour saisir les représentations socio-cognitives de l'espace / Thierry Ramadier in Revue internationale de géomatique, vol 30 n° 1-2 (janvier - juin 2020)
- Génération de cartes tactiles photoréalistes pour personnes déficientes visuelles par apprentissage profond / Gauthier Fillières-Riveau in Revue internationale de géomatique, vol 30 n° 1-2 (janvier - juin 2020)
- Modélisation sémantique et programmation générative pour une simulation multi-agent dans le contexte de gestion de catastrophe / Claire Prudhomme in Revue internationale de géomatique, vol 30 n° 1-2 (janvier - juin 2020)
- Classification d’aires de dispersion à l’aide d’un facteur géographique - Application à la dialectologie / Clément Chagnaud in Revue internationale de géomatique, vol 30 n° 1-2 (janvier - juin 2020)
- Diagnostic qualité et apurement des données de mobilité quotidienne issues de l’enquête mixte et longitudinale Mobi’Kids / Sylvestre Duroudier in Revue internationale de géomatique, vol 30 n° 1-2 (janvier - juin 2020)
Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 047-2020011 SL Revue Centre de documentation Revues en salle Disponible Enrichissement d'orthophotographie par des données OpenStreetMap pour l'apprentissage machine / Gauthier Fillières-Riveau (2019)
Titre : Enrichissement d'orthophotographie par des données OpenStreetMap pour l'apprentissage machine Type de document : Article/Communication Auteurs : Gauthier Fillières-Riveau Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2019 Projets : 1-Pas de projet / Conférence : SAGEO 2019, Spatial Analysis and GEOmatics 13/11/2019 15/11/2019 Clermont-Ferrand France Open Access Proceedings Importance : pp 71 - 83 Format : 21 x 30 cm Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] apprentissage profond
[Termes IGN] données localisées des bénévoles
[Termes IGN] enrichissement sémantique
[Termes IGN] OpenStreetMap
[Termes IGN] orthoimage
[Termes IGN] segmentation sémantiqueRésumé : (Auteur) Les données géographiques présentes dans OpenStreetMap (OSM), décrites à la fois par leur géométrie et de la sémantique, constituent une source d'information essentielle à la fabrication de cartes en relief pour déficients visuels. Cependant, à l'échelle du carrefour, les détails géométriques nécessaires à la modélisation de certains éléments ne sont pas disponibles. L'utilisation de l'imagerie aérienne constitue une source d'information complémentaire, mais impose un traitement d'image sophistiqué. Dans cet article, nous proposons une approche basée sur l'apprentissage profond (réseau adverse génératif conditionnel), en enrichissant les informations présentes dans les orthophotographies par des données sémantiques et géométriques issues d'OSM. Afin de mesurer l'influence de cet enrichissement, nous présentons les résultats de deux séries d'apprentissage, avec et sans enrichissement. Numéro de notice : C2019-026 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans En ligne : https://hal.science/hal-02279628 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94457 Documents numériques
en open access
Enrichissement d'orthophotographie par des données OpenStreetMap ... - pdf éditeurAdobe Acrobat PDF
