Détail de l'auteur
|
|
Documents disponibles écrits par cet auteur (3)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externesDeep 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)
Titre : Deep mapping gentrification in a large Canadian city using deep learning and Google Street View Type de document : Article/Communication Auteurs : Lazar Ilic, Auteur ; M. Sawada, Auteur ; Amaury Zarzelli, Auteur Année de publication : 2019 Projets : 3-projet - voir note / Article en page(s) : n° e0212814 Note générale : bibliographie
This work was supported by and is a contribution to the Ottawa Neighbourhood Study (www.neighbourhoodstudy.ca).Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] analyse diachronique
[Termes IGN] analyse socio-économique
[Termes IGN] apprentissage profond
[Termes IGN] Canada
[Termes IGN] image Streetview
[Termes IGN] quartier
[Termes IGN] villeRésumé : (auteur) Gentrification is multidimensional and complex, but there is general agreement that visible changes to neighbourhoods are a clear manifestation of the process. Recent advances in computer vision and deep learning provide a unique opportunity to support automated mapping or ‘deep mapping’ of perceptual environmental attributes. We present a Siamese convolutional neural network (SCNN) that automatically detects gentrification-like visual changes in temporal sequences of Google Street View (GSV) images. Our SCNN achieves 95.6% test accuracy and is subsequently applied to GSV sequences at 86110 individual properties over a 9-year period in Ottawa, Canada. We use Kernel Density Estimation (KDE) to produce maps that illustrate where the spatial concentration of visual property improvements was highest within the study area at different times from 2007–2016. We find strong concordance between the mapped SCNN results and the spatial distribution of building permits in the City of Ottawa from 2011 to 2016. Our mapped results confirm those urban areas that are known to be undergoing gentrification as well as revealing areas undergoing gentrification that were previously unknown. Our approach differs from previous works because we examine the atomic unit of gentrification, namely, the individual property, for visual property improvements over time and we rely on KDE to describe regions of high spatial intensity that are indicative of gentrification processes. Numéro de notice : A2019-165 Affiliation des auteurs : ENSG+Ext (2012-2019) Thématique : IMAGERIE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1371/journal.pone.0212814 Date de publication en ligne : 13/03/2019 En ligne : https://doi.org/10.1371/journal.pone.0212814 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99693
in Plos one > vol 14 n° 3 (March 2019) . - n° e0212814[article]
Titre : Développement d'un outil de manipulation optimisée de rasters volumineux Type de document : Mémoire Auteurs : Amaury Zarzelli, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 41 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de stage de fin d’études, Cycle Ingénieur 3ème année, Master TSILangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] démonstration de faisabilité
[Termes IGN] données localisées
[Termes IGN] données maillées
[Termes IGN] Geospatial data abstraction library
[Termes IGN] image captée par drone
[Termes IGN] implémentation (informatique)
[Termes IGN] intégration de données
[Termes IGN] interface de programmation
[Termes IGN] Python (langage de programmation)Index. décimale : MTSI Mémoires du Master Technologies des Systèmes d'Information Résumé : (auteur) La société Airware commercialise une plate-forme de suivi, d’analyse et de gestion, appliquée à deux verticaux : carrières et assurances, en utilisant comme outils le drone et les images aériennes qu’elle acquiert. Airware assure l’ensemble du processus, de l’acquisition des données jusqu’à la publication des résultats d’analyse sur sa plate-forme. Les rasters produits par l’acquisition des données par drone ainsi que les algorithmes de machine learning les traitant sont lourds. Pour manipuler ces rasters, l’un des projets de l’équipe Data Science est la bibliothèque Python open-source Buzzard (basée sur GDAL) qui permet la lecture et l’écriture de fichiers géographiques. L’objectif de mon stage était d’aider au développement de la version suivante de Buzzard permettant une manière bien plus optimisée que les précédentes de manipuler les rasters volumineux, en utilisant notamment de la programmation parallèle. J’ai dans un premier temps développé une preuve de concept, Burito, puis, dans un second temps, j’ai assisté mon maître de stage dans le développement de la version 0.5 de Buzzard qui s’est déroulé en deux parties : une réécriture des fonctionnalités précédentes, qui a été déployée ; puis l’implémentation des spécifications de la preuve de concept, en cours et qui sera déployée prochainement. Note de contenu : Introduction
1- Présentation du besoin
2- Spécifications du projet
3- Burito : une preuve de concept
4- Déploiement de la solution
5- Bilan et perspectives
ConclusionNuméro de notice : 21866 Affiliation des auteurs : IGN (2012-2019) Thématique : GEOMATIQUE Nature : Mémoire de fin d'études IT Organisme de stage : Airware Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91443 Documents numériques
peut être téléchargé
Développement d'un outil de manipulation ... - pdf auteurAdobe Acrobat PDF
peut être téléchargé
Poster - Développement d'un outil... pdf - auteurAdobe Acrobat PDFSVM et réseaux neuronaux convolutifs pour la classification de scènes urbaines / Amaury Zarzelli (2017)
Titre : SVM et réseaux neuronaux convolutifs pour la classification de scènes urbaines Type de document : Mémoire Auteurs : Amaury Zarzelli, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2017 Importance : 42 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle Ingénieur 2e annéeLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] carte thématique
[Termes IGN] classification par réseau neuronal
[Termes IGN] classification par séparateurs à vaste marge
[Termes IGN] image Streetview
[Termes IGN] Ottawa
[Termes IGN] régression
[Termes IGN] réseau neuronal convolutif
[Termes IGN] scène urbaineIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) L’accès de plus en plus répandu à des banques de données d’imagerie urbaine telles que StreetView de Google en corrélation avec le progrès des technologies en apprentissage machine facilite le développement de techniques permettant le traitement automatique des caractéristiques physiques du bâti sur de grandes zones urbaines. L’une des applications de ce traitement peut être l’étude sociologique, et notamment la mesure de la gentrification, processus par lequel des classes aisées s’installent dans des quartiers historiquement moins favorisés. En effet, ce phénomène se caractérise souvent par une modification de l’aspect des habitations, qui peut être détectée par un modèle de classification. Ce projet consiste à traiter toutes les étapes de cette classification, du téléchargement de l’imagerie urbaine jusqu’à la cartographie du phénomène étudié et peut être adapté à la qualification de n’importe quel phénomène urbain (accessibilité pour les piétons, structure des bâtiments…). Je me suis en particulier attaché à l’étape de la conception du modèle, en explorant notamment des techniques innovantes basées sur des réseaux de neurones convolutifs et dont les résultats sont prometteurs. Le travail a été effectué sur l’unité urbaine de la ville d’Ottawa au Canada. L’ensemble des travaux réalisés au cours du projet sont accessibles sur le dépôt GitHub suivant : https://github.com/azarz/gentriNet. Note de contenu : INTRODUCTION
1. Gestion de projet
2. Étapes de la classification
3. Résultats obtenus
CONCLUSIONNuméro de notice : 22806 Affiliation des auteurs : IGN (2012-2019) Thématique : IMAGERIE/INFORMATIQUE/MATHEMATIQUE/URBANISME Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Université d’Ottawa Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=88412 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 22806-01 PROJET Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
SVM et réseaux neuronaux convolutifsAdobe Acrobat PDF
