Centre de documentation
scientifique

Beyond single receptive field: A receptive field fusion-and-stratification network for airborne laser scanning point cloud classification / Yongqiang Mao in ISPRS Journal of photogrammetry and remote sensing, vol 188 (June 2022)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 188 (June 2022) . - pp 45 - 61 Titre : Beyond single receptive field: A receptive field fusion-and-stratification network for airborne laser scanning point cloud classification Type de document : Article/Communication Auteurs : Yongqiang Mao, Auteur ; Kaiqiang chen, Auteur ; Wenhui Diao, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 45 - 61 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] apprentissage automatique [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] données laser [Termes IGN] données localisées 3D [Termes IGN] Perceptron multicouche [Termes IGN] représentation parcimonieuse [Termes IGN] réseau neuronal de graphes [Termes IGN] semis de points [Termes IGN] stratification de données [Termes IGN] voxel Résumé : (Auteur) The classification of airborne laser scanning (ALS) point clouds is a critical task of remote sensing and photogrammetry fields. Although recent deep learning-based methods have achieved satisfactory performance, they have ignored the unicity of the receptive field, which makes the ALS point cloud classification remain challenging for the distinguishment of the areas with complex structures and extreme scale variations. In this article, for the objective of configuring multi-receptive field features, we propose a novel receptive field fusion-and-stratification network (RFFS-Net). With a novel dilated graph convolution (DGConv) and its extension annular dilated convolution (ADConv) as basic building blocks, the receptive field fusion process is implemented with the dilated and annular graph fusion (DAGFusion) module, which obtains multi-receptive field feature representation through capturing dilated and annular graphs with various receptive regions. The stratification of the receptive fields with point sets of different resolutions as the calculation bases is performed with Multi-level Decoders nested in RFFS-Net and driven by the multi-level receptive field aggregation loss (MRFALoss) to drive the network to learn in the direction of the supervision labels with different resolutions. With receptive field fusion-and-stratification, RFFS-Net is more adaptable to the classification of regions with complex structures and extreme scale variations in large-scale ALS point clouds. Evaluated on the ISPRS Vaihingen 3D dataset, our RFFS-Net significantly outperforms the baseline (i.e. PointConv) approach by 5.3% on mF1 and 5.4% on mIoU, accomplishing an overall accuracy of 82.1%, an mF1 of 71.6%, and an mIoU of 58.2%. The experiments show that our RFFS-Net achieves a new state-of-the-art classification performance on powerline, car, and fence classes. Furthermore, experiments on the LASDU dataset and the 2019 IEEE-GRSS Data Fusion Contest dataset show that RFFS-Net achieves a new state-of-the-art classification performance. The code is available at github.com/WingkeungM/RFFS-Net. Numéro de notice : A2022-273 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2022.03.019 Date de publication en ligne : 07/04/2022 En ligne : https://doi.org/10.1016/j.isprsjprs.2022.03.019 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100532 [article]

Exemplaires(3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2022061	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2022063	DEP-RECP	Revue	LASTIG	Dépôt en unité	Exclu du prêt
081-2022062	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Échantillonnage et estimation dans l'Inventaire Forestier National / Olivier Bouriaud (2020)  

Public Titre : Échantillonnage et estimation dans l'Inventaire Forestier National : Essai de reconstruction et formalisation Type de document : Rapport Auteurs : Olivier Bouriaud , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2020 Projets : 1-Pas de projet / Langues : Français (fre) Descripteur : [Termes IGN] analyse de variance [Termes IGN] échantillonnage de données [Termes IGN] estimateur [Termes IGN] estimation statistique [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] sondage statistique [Termes IGN] stratification de données [Termes IGN] variance [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) Ce document présente les éléments principaux de l’échantillonnage et les méthodes d’estimation mises en œuvre dans l’Inventaire Forestier National (IFN) depuis sa réforme en 2004, à l’origine de la « nouvelle méthode d’inventaire ». Il reconstitue le raisonnement logique permettant d’aboutir aux estimateurs statistiques implémentés depuis 2005 et représente ainsi un effort de formalisation conforme à la théorie des sondages. L'enquête IFN est très complexe car à la fois spatiale, temporelle, portant sur une population dynamique et ayant de très nombreux attributs à évaluer simultanément. Elle a donc déployé des méthodes d'échantillonnage et d'estimation spécifiques et originales, essentiellement basées sur un échantillonnage en deux phases et l'emploi poussé de la post-stratification. Numéro de notice : 14254 Affiliation des auteurs : LIF (2020- ) Thématique : FORET/MATHEMATIQUE Nature : Rapport d'étude technique nature-HAL : RappRech DOI : sans En ligne : https://hal.science/hal-03039886 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96848

Integration of LiDAR and multispectral images for rapid exposure and earthquake vulnerability estimation. Application in Lorca, Spain / Yolanda Torres in International journal of applied Earth observation and geoinformation, vol 81 (September 2019)  

Public [article]  inInternational journal of applied Earth observation and geoinformation > vol 81 (September 2019) . - pp 161-175 Titre : Integration of LiDAR and multispectral images for rapid exposure and earthquake vulnerability estimation. Application in Lorca, Spain Type de document : Article/Communication Auteurs : Yolanda Torres, Auteur ; José Juan Arranz, Auteur ; Jorge M. Gaspar-Escribano, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 161-175 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] analyse d'image orientée objet [Termes IGN] apprentissage automatique [Termes IGN] données lidar [Termes IGN] empreinte [Termes IGN] Espagne [Termes IGN] extraction de traits caractéristiques [Termes IGN] hauteur du bâti [Termes IGN] image multibande [Termes IGN] image satellite [Termes IGN] orthophotographie [Termes IGN] risque urbain [Termes IGN] segmentation d'image [Termes IGN] séisme [Termes IGN] stratification de données [Termes IGN] vulnérabilité [Termes IGN] zone à risque Résumé : (auteur) We present a procedure for assessing the urban exposure and seismic vulnerability that integrates LiDAR data with aerial images from the Spanish National Plan of Aerial Orthophotography (PNOA). It comprises three phases: first, we segment the satellite image to divide the study area into different urban patterns. Second, we extract building footprints and attributes that represent the type of building of each urban pattern. Finally, we assign the seismic vulnerability to each building using different machine-learning techniques: Decision trees, SVM, logistic regression and Bayesian networks. We apply the procedure to 826 buildings in the city of Lorca (SE Spain), where we count on a vulnerability database that we use as ground truth for the validation of results. The outcomes show that the machine learning techniques have similar performance, yielding vulnerability classification results with an accuracy of 77%–80% (F1-Score). The procedure is scalable and can be replicated in different areas. This is particularly relevant in Spain, where more than seven hundred towns have to develop seismic risk studies in the years to come, according to the General Direction of Civil Protection and Emergencies. It is especially interesting as a complement to conventional data gathering approaches for disaster risk applications in cities where field surveys need to be restricted to certain areas, dates or budget. Numéro de notice : A2019-471 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.jag.2019.05.015 Date de publication en ligne : 25/05/2019 En ligne : https://doi.org/10.1016/j.jag.2019.05.015 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93617 [article]

Utilisation d’un modèle numérique de hauteur en stratification des données de l’Inventaire Forestier National / Sophie Georges (2017) 

Public Titre : Utilisation d’un modèle numérique de hauteur en stratification des données de l’Inventaire Forestier National Type de document : Mémoire Auteurs : Sophie Georges, Auteur Editeur : Toulouse : Université de Toulouse 2 Jean Jaurès Année de publication : 2017 Autre Editeur : Toulouse : Institut National Polytechnique de Toulouse INPT Importance : 90 p. Format : 21 x 30 cm Note générale : bibliographie Master 2 Géomatique, ScIences Géomatiques en environneMent et Aménagement (SIGMA) Langues : Français (fre) Descripteur : [Termes IGN] Alsace (France administrative) [Termes IGN] analyse comparative [Termes IGN] analyse de données [Termes IGN] analyse de variance [Termes IGN] appariement de modèles conceptuels de données [Termes IGN] BD forêt [Termes IGN] chaîne de traitement [Termes IGN] dalle [Termes IGN] diamètre des arbres [Termes IGN] échantillonnage (statistique) [Termes IGN] échantillonnage de données [Termes IGN] essence d'arbre [Termes IGN] estimation statistique [Termes IGN] feuillu [Termes IGN] hauteur des arbres [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] inventaire forestier national (données France) [Termes IGN] Inventaire Forestier National (organisme France) [Termes IGN] modèle numérique de surface [Termes IGN] modèle numérique de surface de la canopée [Termes IGN] modèle numérique de sursol [Termes IGN] modèle numérique de terrain [Termes IGN] peuplement forestier [Termes IGN] photo-interprétation [Termes IGN] Pinophyta [Termes IGN] post-stratification de données [Termes IGN] R (langage) [Termes IGN] stratification de données [Vedettes matières IGN] Inventaire forestier Résumé : (auteur) L’Inventaire Forestier National fournit des données de références concernant la forêt française depuis 1960. La méthode actuellement utilisée repose sur des points d’échantillonnage tirés au sort sur tout le territoire et photo-interprétés, puis pour certains visités, et sur un traitement des données par post-stratification. Celle-ci a jusqu’à présent toujours utilisé les mêmes informations, mais pourrait exploiter d’autres données disponibles, en particulier des modèles de hauteur. À partir de modèles numériques de terrain et d’élévation disponibles pour la région Alsace, un modèle numérique de « hauteur dominante » en huit classes de hauteur a été élaboré pour les forêts alsaciennes. La méthode mise en place vise à une automatisation maximale de ce travail grâce au logiciel R. Ce modèle, ainsi qu’une cartographie simplifiée des essences, ont servi de base à la mise en place de nouvelles stratifications des données sur la période 2010-2014. Celles-ci ont été comparées à la stratification de référence de l’inventaire sans ventilation des données ; puis les stratifications les plus intéressantes, qui se sont avérées être les plus simples, ont été comparées en ventilant les données par différents critères. La stratification par essences regroupées a amélioré les estimations pour les classes de peuplement, l’opposition feuillus / conifères et des essences fréquentes. La stratification par classes de hauteur est plus intéressante pour les classes de diamètre des arbres et la difficulté d’exploitation. Elles n’améliorent par contre pas les résultats par type de propriété forestière ou pour d’autres essences. Note de contenu : 1- L'inventaire des ressources forestières en France 2- La méthode d'inventaire de l'IFN depuis 2004 3- Utilisation de modèles de hauteur en stratification : données et méthodes 4- Résultats : comparaison entre les stratifications créées et la référence 5- Discussion 6- Conclusion générale Numéro de notice : 24598 Affiliation des auteurs : non IGN Thématique : FORET/MATHEMATIQUE Nature : Mémoire masters divers Organisme de stage : SIFE (IGN) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92171

Documents numériques

en open access Utilisation d’un modèle numérique... - pdf auteur Adobe Acrobat PDF