Centre de documentation
scientifique

Inferring the scale and content of a map using deep learning / Guillaume Touya (2020)  

Public contenu dans XXIV ISPRS Congress, Commission 4 / Nicolas Paparoditis (2020)   Titre : Inferring the scale and content of a map using deep learning Type de document : Article/Communication Auteurs : Guillaume Touya , Auteur ; Florentin Brisebard, Auteur ; Félix Quinton , Auteur ; Azelle Courtial , Auteur Editeur : International Society for Photogrammetry and Remote Sensing ISPRS Année de publication : 2020 Collection : International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISSN 1682-1750 num. 43-B4 Projets : ACTIVmap / Favreau, Jean-Marie Conférence : ISPRS 2020, Commission 4, virtual Congress, Imaging today foreseeing tomorrow 31/08/2020 02/09/2020 Nice (en ligne) France Archives Commission 4 Importance : pp 17 - 24 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] apprentissage profond [Termes IGN] carte numérisée [Termes IGN] carte scolaire [Termes IGN] carte tactile [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] échelle cartographique [Termes IGN] formation [Termes IGN] généralisation [Termes IGN] géographie physique [Termes IGN] personne non-voyante Résumé : (auteur) Visually impaired people cannot use classical maps but can learn to use tactile relief maps. These tactile maps are crucial at school to learn geography and history as well as the other students. They are produced manually by professional transcriptors in a very long and costly process. A platform able to generate tactile maps from maps scanned from geography textbooks could be extremely useful to these transcriptors, to fasten their production. As a first step towards such a platform, this paper proposes a method to infer the scale and the content of the map from its image. We used convolutional neural networks trained with a few hundred maps from French geography textbooks, and the results show promising results to infer labels about the content of the map (e.g. "there are roads, cities and administrative boundaries"), and to infer the extent of the map (e.g. a map of France or of Europe). Numéro de notice : C2020-002 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/isprs-archives-XLIII-B4-2020-17-2020 Date de publication en ligne : 24/08/2020 En ligne : https://doi.org/10.5194/isprs-archives-XLIII-B4-2020-17-2020 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95391