Centre de documentation
scientifique

DuPLO: 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)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 149 (March 2019) . - pp 91 - 104 Titre : DuPLO: A DUal view Point deep Learning architecture for time series classificatiOn Type de document : Article/Communication Auteurs : Roberto Interdonato, Auteur ; Dino Ienco, Auteur ; Raffaele Gaetano, Auteur ; Kenji Ose, Auteur Année de publication : 2019 Article en page(s) : pp 91 - 104 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification dirigée [Termes IGN] image à haute résolution [Termes IGN] image Sentinel-MSI [Termes IGN] occupation du sol [Termes IGN] réseau neuronal convolutif [Termes IGN] série temporelle Résumé : (Auteur) Nowadays, modern Earth Observation systems continuously generate huge amounts of data. A notable example is represented by the Sentinel-2 mission, which provides images at high spatial resolution (up to 10 m) with high temporal revisit period (every 5 days), which can be organized in Satellite Image Time Series (SITS). While the use of SITS has been proved to be beneficial in the context of Land Use/Land Cover (LULC) map generation, unfortunately, most of machine learning approaches commonly leveraged in remote sensing field fail to take advantage of spatio-temporal dependencies present in such data. Recently, new generation deep learning methods allowed to significantly advance research in this field. These approaches have generally focused on a single type of neural network, i.e., Convolutional Neural Networks (CNNs) or Recurrent Neural Networks (RNNs), which model different but complementary information: spatial autocorrelation (CNNs) and temporal dependencies (RNNs). In this work, we propose the first deep learning architecture for the analysis of SITS data, namely DuPLO (DUal view Point deep Learning architecture for time series classificatiOn), that combines Convolutional and Recurrent neural networks to exploit their complementarity. Our hypothesis is that, since CNNs and RNNs capture different aspects of the data, a combination of both models would produce a more diverse and complete representation of the information for the underlying land cover classification task. Experiments carried out on two study sites characterized by different land cover characteristics (i.e., the Gard site in Mainland France and Reunion Island, a overseas department of France in the Indian Ocean), demonstrate the significance of our proposal. Numéro de notice : A2019-115 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.01.011 Date de publication en ligne : 24/01/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.01.011 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92441 [article]

Exemplaires(3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019031	RAB	Revue	Centre de documentation	En réserve L003	Disponible
081-2019033	DEP-RECP	Revue	LASTIG	Dépôt en unité	Exclu du prêt
081-2019032	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

A graph-based approach to detect spatiotemporal dynamics in satellite image time series / Fabio Guttler in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 130 (August 2017) . - pp 92 - 107 Titre : A graph-based approach to detect spatiotemporal dynamics in satellite image time series Type de document : Article/Communication Auteurs : Fabio Guttler, Auteur ; Dino Ienco, Auteur ; Jordi Nin, Auteur ; et al., Auteur Année de publication : 2017 Article en page(s) : pp 92 - 107 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] agriculture [Termes IGN] analyse d'image orientée objet [Termes IGN] dynamique spatiale [Termes IGN] extraction automatique [Termes IGN] France (administrative) [Termes IGN] graphe [Termes IGN] image Landsat [Termes IGN] série temporelle Résumé : (Auteur) Enhancing the frequency of satellite acquisitions represents a key issue for Earth Observation community nowadays. Repeated observations are crucial for monitoring purposes, particularly when intra-annual process should be taken into account. Time series of images constitute a valuable source of information in these cases. The goal of this paper is to propose a new methodological framework to automatically detect and extract spatiotemporal information from satellite image time series (SITS). Existing methods dealing with such kind of data are usually classification-oriented and cannot provide information about evolutions and temporal behaviors. In this paper we propose a graph-based strategy that combines object-based image analysis (OBIA) with data mining techniques. Image objects computed at each individual timestamp are connected across the time series and generates a set of evolution graphs. Each evolution graph is associated to a particular area within the study site and stores information about its temporal evolution. Such information can be deeply explored at the evolution graph scale or used to compare the graphs and supply a general picture at the study site scale. We validated our framework on two study sites located in the South of France and involving different types of natural, semi-natural and agricultural areas. The results obtained from a Landsat SITS support the quality of the methodological approach and illustrate how the framework can be employed to extract and characterize spatiotemporal dynamics. Numéro de notice : A2017-511 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2017.05.013 En ligne : https://doi.org/10.1016/j.isprsjprs.2017.05.013 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86457 [article]

Exemplaires(3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2017081	RAB	Revue	Centre de documentation	En réserve L003	Disponible
081-2017083	DEP-EXM	Revue	LASTIG	Dépôt en unité	Exclu du prêt
081-2017082	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Leveraging efficient indexing schema to support multigraph query answering / Vijay Ingalalli in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 21 n° 3 (mai - juin 2016)  

Public [article]  inIngénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 21 n° 3 (mai - juin 2016) . - pp 53 - 74 Titre : Leveraging efficient indexing schema to support multigraph query answering Type de document : Article/Communication Auteurs : Vijay Ingalalli, Auteur ; Dino Ienco, Auteur ; Pascal Poncelet, Auteur Année de publication : 2016 Article en page(s) : pp 53 - 74 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Systèmes d'information [Termes IGN] graphe [Termes IGN] index [Termes IGN] requête (informatique) Résumé : (Auteur) De nombreuses données réelles peuvent être représentées par un réseau avec un ensemble de nœuds interconnectés via différentes relations (i.e. les réseaux sociaux, les données biologiques, les graphes RDF). Ce type de graphe, appelé multigraphe, est tout à fait adapté à la représentation de scénarios réels contenant des interactions complexes. La recherche de sousmultigraphe dans des multigraphes est un domaine de recherche ouvert et malheureusement les algorithmes existants pour faire de la recherche de sous-graphe ne sont pas adaptés et ne peuvent pas prendre en compte les différentes relations qui peuvent exister entre les nœuds. Motivés par le manque d’approches existantes et par le nombre croissant d’applications qui peuvent être modélisées via des multigraphes, nous proposons dans cet article IMQA un nouvel algorithme pour extraire tous les sous-multigraphes inclus dans un grand multigraphe. IMQA comporte deux étapes principales. Tout d’abord il implémente une nouvelle structure d’indexation pour les relations multiples qui est utilisée pour rechercher efficacement les sommets du multigraphe qui correspondent aux sommets de la requête. Ensuite, il réalise une recherche efficace de l’ensemble des sous-multigraphes correspondant à une requête donnée. Les nombreuses expérimentations menées sur des jeux de données réelles ont montré l’efficacité et le passage à l’échelle de IMQA. Numéro de notice : A2016-696 Affiliation des auteurs : non IGN Thématique : SOCIETE NUMERIQUE Nature : Article DOI : 10.3166/isi.21.3.53-74 En ligne : https://doi.org/10.3166/isi.21.3.53-74 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=82046 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
093-2016031	SL	Revue	Centre de documentation	Revues en salle	Disponible