Centre de documentation
scientifique

Using multi-scale and hierarchical deep convolutional features for 3D semantic classification of TLS point clouds / Zhou Guo in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 661 - 680 Titre : Using multi-scale and hierarchical deep convolutional features for 3D semantic classification of TLS point clouds Type de document : Article/Communication Auteurs : Zhou Guo, Auteur ; Chen-Chieh Feng, Auteur Année de publication : 2020 Article en page(s) : pp 661 - 680 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] analyse multiéchelle [Termes IGN] apprentissage profond [Termes IGN] approche hiérarchique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données lidar [Termes IGN] modélisation 3D [Termes IGN] Oakland (Californie) [Termes IGN] régression [Termes IGN] semis de points Résumé : (auteur) Point cloud classification, which provides meaningful semantic labels to the points in a point cloud, is essential for generating three-dimensional (3D) models. Its automation, however, remains challenging due to varying point densities and irregular point distributions. Adapting existing deep-learning approaches for two-dimensional (2D) image classification to point cloud classification is inefficient and results in the loss of information valuable for point cloud classification. In this article, a new approach that classifies point cloud directly in 3D is proposed. The approach uses multi-scale features generated by deep learning. It comprises three steps: (1) extract single-scale deep features using 3D convolutional neural network (CNN); (2) subsample the input point cloud at multiple scales, with the point cloud at each scale being an input to the 3D CNN, and combine deep features at multiple scales to form multi-scale and hierarchical features; and (3) retrieve the probabilities that each point belongs to the intended semantic category using a softmax regression classifier. The proposed approach was tested against two publicly available point cloud datasets to demonstrate its performance and compared to the results produced by other existing approaches. The experiment results achieved 96.89% overall accuracy on the Oakland dataset and 91.89% overall accuracy on the Europe dataset, which are the highest among the considered methods. Numéro de notice : A2020-109 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1552790 Date de publication en ligne : 10/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1552790 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94711 [article]

Segmenter pour mieux classifier des nuages de points / Stéphane Guinard (2016) 

Public Titre : Segmenter pour mieux classifier des nuages de points Type de document : Mémoire Auteurs : Stéphane Guinard , Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2016 Importance : 64 p. Format : 21 x 30 cm Note générale : Bibliographie Mémoire de fin d'études, cycle des ingénieurs ENSG 3ème année, master PPMD, filière A3DTTG Langues : Français (fre) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] algorithme Cut Pursuit [Termes IGN] apprentissage automatique [Termes IGN] bibliothèque logicielle [Termes IGN] classification dirigée [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] Oakland (Californie) [Termes IGN] qualité du processus [Termes IGN] segmentation d'image [Termes IGN] semis de points [Termes IGN] triangulation de Delaunay [Termes IGN] voisinage (relation topologique) Index. décimale : MPPMD Mémoires du mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (Auteur) L’objectif de ce stage est de voir comment il est possible d’améliorer des classifications supervisées de nuages de points en utilisant différentes méthodes de segmentation. Pour cela, nous utilisons comme méthode de classification l’algorithme des Random Forest (Breiman, 2001). Les segmentations sont réalisées avec l’algorithme Cut Pursuit (Landrieu et Obozinski, 2016), utilisé de 2 façons différentes. Une première fois avec des probabilités de classification et une seconde fois avec des descripteurs calculés sur des voisinages locaux (Weinmann, Jutzi et Mallet, 2013), avec une taille de voisinage optimale pour chaque point. Nos tests sont réalisés sur des données issues de cartographie mobile et acquises à Oakland (Munoz et al., 2009). Nous montrons, en utilisant la technique de la cross-validation, que le calcul de descripteurs locaux est la méthode qui permet d’obtenir les meilleurs résultats de classification au sens du FScore. Note de contenu : 1 INTRODUCTION 1.1 Contexte 1.2 Problématique 2 PRÉSENTATION DES DONNÉES 2.1 Données 2.2 Descripteurs 2.3 Obtenir une structure 3 PRÉSENTATION DES MÉTHODES 3.1 Classification 3.2 Segmentation 3.3 Librairies 4 EXPÉRIMENTATIONS 4.1 Classification puis segmentation 4.2 Segmentation puis classification 4.3 Résultats 5 CONCLUSION 5.1 Benchmark Semantic3D 5.2 Améliorations Numéro de notice : 22657 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : MATIS (IGN) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=83992

Documents numériques

peut être téléchargé 22657_Segmenter pour mieux classifier des nuages de points.pdf Adobe Acrobat PDF

Using GIS to tackle chronic absenteeism / Jim Baumann in GEO: Geoconnexion international, vol 12 n° 4 (april 2013)

Public [article]  inGEO: Geoconnexion international > vol 12 n° 4 (april 2013) . - pp 46 - 47 Titre : Using GIS to tackle chronic absenteeism Type de document : Article/Communication Auteurs : Jim Baumann, Auteur Année de publication : 2013 Article en page(s) : pp 46 - 47 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG [Termes IGN] enseignement secondaire [Termes IGN] établissement d'enseignement [Termes IGN] Oakland (Californie) [Termes IGN] système d'information géographique Résumé : (Auteur) Oakland in the United States is using GIS to find out which pupils aren't attending school so that they can be set back on the right path. Numéro de notice : A2013-133 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=32271 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
062-2013041	SL	Revue	Centre de documentation	Revues en salle	Disponible