Centre dedocumentation
scientifique

Fusion of images and point clouds for the semantic segmentation of large-scale 3D scenes based on deep learning / Rui Zhang in ISPRS Journal of photogrammetry and remote sensing, vol 143 (September 2018)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 143 (September 2018) . - pp 85 - 96 Titre : Fusion of images and point clouds for the semantic segmentation of large-scale 3D scenes based on deep learning Type de document : Article/Communication Auteurs : Rui Zhang, Auteur ; Guangyun Li, Auteur ; Minglei Li, Auteur ; Li Wang, Auteur Année de publication : 2018 Article en page(s) : pp 85 - 96 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] scène 3D [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] semis de points Résumé : (Auteur) We address the issue of the semantic segmentation of large-scale 3D scenes by fusing 2D images and 3D point clouds. First, a Deeplab-Vgg16 based Large-Scale and High-Resolution model (DVLSHR) based on deep Visual Geometry Group (VGG16) is successfully created and fine-tuned by training seven deep convolutional neural networks with four benchmark datasets. On the val set in CityScapes, DVLSHR achieves a 74.98% mean Pixel Accuracy (mPA) and a 64.17% mean Intersection over Union (mIoU), and can be adapted to segment the captured images (image resolution 2832 ∗ 4256 pixels). Second, the preliminary segmentation results with 2D images are mapped to 3D point clouds according to the coordinate relationships between the images and the point clouds. Third, based on the mapping results, fine features of buildings are further extracted directly from the 3D point clouds. Our experiments show that the proposed fusion method can segment local and global features efficiently and effectively. Numéro de notice : A2018-356 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.04.022 date de publication en ligne : 11/05/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.04.022 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90590 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018091	RAB	Livre	Centre de documentation	En réserve 3L	Disponible
081-2018093	DEP-EXM	Livre	MATIS	Dépôt en unité	Exclu du prêt
081-2018092	DEP-EAF	Livre	Nancy	Dépôt en unité	Exclu du prêt

Long-term prediction of polar motion using a combined SSA and ARMA model / Y. Shen in Journal of geodesy, vol 92 n° 3 (March 2018)  

Public [article]  inJournal of geodesy > vol 92 n° 3 (March 2018) . - pp 333 - 343 Titre : Long-term prediction of polar motion using a combined SSA and ARMA model Type de document : Article/Communication Auteurs : Y. Shen, Auteur ; Jinyun Guo, Auteur ; X. Liu, Auteur ; Qiaoli Kong, Auteur ; Linxi Guo, Auteur ; Li Wang, Auteur Année de publication : 2018 Article en page(s) : pp 333 - 343 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie physique [Termes descripteurs IGN] analyse de spectre singulier [Termes descripteurs IGN] analyse en composantes principales [Termes descripteurs IGN] modèle de simulation [Termes descripteurs IGN] mouvement du pôle Mots-clés libres : modèle ARMA Résumé : (Auteur) To meet the need for real-time and high-accuracy predictions of polar motion (PM), the singular spectrum analysis (SSA) and the autoregressive moving average (ARMA) model are combined for short- and long-term PM prediction. According to the SSA results for PM and the SSA prediction algorithm, the principal components of PM were predicted by SSA, and the remaining components were predicted by the ARMA model. In applying this proposed method, multiple sets of PM predictions were made with lead times of two years, based on an IERS 08 C04 series. The observations and predictions of the principal components correlated well, and the SSA + ARMA model effectively predicted the PM. For 360-day lead time predictions, the root-mean-square errors (RMSEs) of PMx and PMy were 20.67 and 20.42 mas, respectively, which were less than the 24.46 and 24.78 mas predicted by IERS Bulletin A. The RMSEs of PMx and PMy in the 720-day lead time predictions were 28.61 and 27.95 mas, respectively. Numéro de notice : A2018-061 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s00190-017-1065-3 date de publication en ligne : 12/09/2017 En ligne : https://doi.org/10.1007/s00190-017-1065-3 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89397 [article]

BeiDou belongs to China, and to the World / Li Wang in GPS world, vol 25 n° 12 (décembre 2014)  

Public [article]  inGPS world > vol 25 n° 12 (décembre 2014) . - pp. 30 - 31 Titre : BeiDou belongs to China, and to the World Type de document : Article/Communication Auteurs : Li Wang, Auteur Année de publication : 2014 Article en page(s) : pp. 30 - 31 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie spatiale [Termes descripteurs IGN] constellation BeiDou [Termes descripteurs IGN] géodésie spatiale [Termes descripteurs IGN] positionnement par GNSS [Termes descripteurs IGN] signal BeiDou Index. décimale : 30.61 Systèmes de Positionnement par Satellites du GNSS  Résumé : (Auteur)[introduction] By adhering to the principles of independences, openess, compatibility and gradualness, China is steadly accelerating the construction and development of the BeiDou Navigation Satellite System. Numéro de notice : A2014-612 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article En ligne : http://gpsworld.com/directions-2015-beidou-belongs-to-china-and-to-the-world/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=74881 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
067-2014121	SL	Revue	Centre de documentation	Revues en salle	Disponible

An effective morphological index in automatic recognition of built-up area suitable for high spatial resolution images as ALOS and SPOT data / Bo Yu in Photogrammetric Engineering & Remote Sensing, PERS, vol 80 n° 6 (June 2014)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 80 n° 6 (June 2014) . - pp 529 - 536 Titre : An effective morphological index in automatic recognition of built-up area suitable for high spatial resolution images as ALOS and SPOT data Type de document : Article/Communication Auteurs : Bo Yu, Auteur ; Li Wang, Auteur ; Zheng Niu, Auteur ; Muhammad Shakir, Auteur Année de publication : 2014 Article en page(s) : pp 529 - 536 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] image ALOS [Termes descripteurs IGN] image SPOT [Termes descripteurs IGN] indice de détection [Termes descripteurs IGN] morphologie mathématique [Termes descripteurs IGN] Normalized Difference Vegetation Index Résumé : (Auteur) Building detection from remote sensed images is the main technique to monitor economic or environmental development of an area. Advanced Land Observing Satellite (alos) and SPOT data are reliable sources due to the limitation of weather, position, time, and other practical reasons. However, to the best of our knowledge, algorithms proposed in the identification of buildings mostly aim only at images with very high spatial resolution or high spectral resolution. There are few algorithms for detecting buildings from ALOS and SPOT data. A built-up detection index (BDI) is proposed in this paper to automatically identify buildings from images with 10 meters resolution. It synthesizes morphological theory and normalized differential vegetation index (NDVl) to enhance buildings by suppressing vegetation. Four images of ALOS and SPOT are used to verify the efficiency, stability and accuracy of BDI. Experiments show that BDI is suitable to detect buildings from 10 meters resolution with reliable accuracy. Numéro de notice : A2014-292 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.14358/PERS.80.6.529-536 En ligne : https://doi.org/10.14358/PERS.80.6.529-536 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=33195 [article]

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2014061	RAB	Revue	Centre de documentation	En réserve 3L	En circulation Exclu du prêt