Centre de documentation
scientifique

Mapping forest tree species in high resolution UAV-based RGB-imagery by means of convolutional neural networks / Felix Schiefer in ISPRS Journal of photogrammetry and remote sensing, vol 170 (December 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 170 (December 2020) . - pp 205-215 Titre : Mapping forest tree species in high resolution UAV-based RGB-imagery by means of convolutional neural networks Type de document : Article/Communication Auteurs : Felix Schiefer, Auteur ; Teja Kattenborn, Auteur ; Annett Frick, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 205-215 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] apprentissage profond [Termes IGN] arbre (flore) [Termes IGN] carte forestière [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] espèce végétale [Termes IGN] Forêt-Noire, massif de la [Termes IGN] image à haute résolution [Termes IGN] image captée par drone [Termes IGN] image RVB [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] inventaire forestier local [Termes IGN] segmentation sémantique [Vedettes matières IGN] Inventaire forestier Résumé : (Auteur) The use of unmanned aerial vehicles (UAVs) in vegetation remote sensing allows a time-flexible and cost-effective acquisition of very high-resolution imagery. Still, current methods for the mapping of forest tree species do not exploit the respective, rich spatial information. Here, we assessed the potential of convolutional neural networks (CNNs) and very high-resolution RGB imagery from UAVs for the mapping of tree species in temperate forests. We used multicopter UAVs to obtain very high-resolution ( Numéro de notice : A2020-706 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.10.015 Date de publication en ligne : 03/11/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.10.015 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96236 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020121	RAB	Revue	Centre de documentation	En réserve L003	Disponible