Centre dedocumentation
scientifique

Correcting rural building annotations in OpenStreetMap using convolutional neural networks / John E. Vargas-Muñoz in ISPRS Journal of photogrammetry and remote sensing, vol 147 (January 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 147 (January 2019) . - pp 283 - 293 Titre : Correcting rural building annotations in OpenStreetMap using convolutional neural networks Type de document : Article/Communication Auteurs : John E. Vargas-Muñoz, Auteur ; Sylvain Lobry, Auteur ; Alexandre X. Falcão, Auteur ; Devis Tuia, Auteur Année de publication : 2019 Article en page(s) : pp 283 - 293 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] bati [Termes descripteurs IGN] champ aléatoire de Markov [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] correction géométrique [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] habitat rural [Termes descripteurs IGN] mise à jour de base de données [Termes descripteurs IGN] OpenStreetMap [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] Tanzanie [Termes descripteurs IGN] Zimbabwe [Termes descripteurs IGN] zone rurale Résumé : (auteur) Rural building mapping is paramount to support demographic studies and plan actions in response to crisis that affect those areas. Rural building annotations exist in OpenStreetMap (OSM), but their quality and quantity are not sufficient for training models that can create accurate rural building maps. The problems with these annotations essentially fall into three categories: (i) most commonly, many annotations are geometrically misaligned with the updated imagery; (ii) some annotations do not correspond to buildings in the images (they are misannotations or the buildings have been destroyed); and (iii) some annotations are missing for buildings in the images (the buildings were never annotated or were built between subsequent image acquisitions). First, we propose a method based on Markov Random Field (MRF) to align the buildings with their annotations. The method maximizes the correlation between annotations and a building probability map while enforcing that nearby buildings have similar alignment vectors. Second, the annotations with no evidence in the building probability map are removed. Third, we present a method to detect non-annotated buildings with predefined shapes and add their annotation. The proposed methodology shows considerable improvement in accuracy of the OSM annotations for two regions of Tanzania and Zimbabwe, being more accurate than state-of-the-art baselines. Numéro de notice : A2019-038 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.11.010 date de publication en ligne : 06/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.11.010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91975 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019011	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019013	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019012	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Land cover mapping at very high resolution with rotation equivariant CNNs : Towards small yet accurate models / Diego Marcos in ISPRS Journal of photogrammetry and remote sensing, vol 145 - part A (November 2018)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 145 - part A (November 2018) Titre : Land cover mapping at very high resolution with rotation equivariant CNNs : Towards small yet accurate models Type de document : Article/Communication Auteurs : Diego Marcos, Auteur ; Michele Volpi, Auteur ; Benjamin Kellenberger, Auteur ; Devis Tuia, Auteur Année de publication : 2018 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] Bade-Wurtemberg (Allemagne) [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] enrichissement sémantique [Termes descripteurs IGN] étiquette [Termes descripteurs IGN] filtrage numérique d'image [Termes descripteurs IGN] image à ultra haute résolution [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] orthoimage [Termes descripteurs IGN] réseau neuronal convolutif Résumé : (Auteur) In remote sensing images, the absolute orientation of objects is arbitrary. Depending on an object’s orientation and on a sensor’s flight path, objects of the same semantic class can be observed in different orientations in the same image. Equivariance to rotation, in this context understood as responding with a rotated semantic label map when subject to a rotation of the input image, is therefore a very desirable feature, in particular for high capacity models, such as Convolutional Neural Networks (CNNs). If rotation equivariance is encoded in the network, the model is confronted with a simpler task and does not need to learn specific (and redundant) weights to address rotated versions of the same object class. In this work we propose a CNN architecture called Rotation Equivariant Vector Field Network (RotEqNet) to encode rotation equivariance in the network itself. By using rotating convolutions as building blocks and passing only the values corresponding to the maximally activating orientation throughout the network in the form of orientation encoding vector fields, RotEqNet treats rotated versions of the same object with the same filter bank and therefore achieves state-of-the-art performances even when using very small architectures trained from scratch. We test RotEqNet in two challenging sub-decimeter resolution semantic labeling problems, and show that we can perform better than a standard CNN while requiring one order of magnitude less parameters. Numéro de notice : A2018-491 Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.01.021 date de publication en ligne : 19/02/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.01.021 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91227 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018111	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2018113	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2018112	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Deep multi-task learning for a geographically-regularized semantic segmentation of aerial images / Michele Volpi in ISPRS Journal of photogrammetry and remote sensing, vol 144 (October 2018)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 144 (October 2018) . - pp 48 - 60 Titre : Deep multi-task learning for a geographically-regularized semantic segmentation of aerial images Type de document : Article/Communication Auteurs : Michele Volpi, Auteur ; Devis Tuia, Auteur Année de publication : 2018 Article en page(s) : pp 48 - 60 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] champ aléatoire conditionnel [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] orthoimage [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] segmentation sémantique Résumé : (Auteur) When approaching the semantic segmentation of overhead imagery in the decimeter spatial resolution range, successful strategies usually combine powerful methods to learn the visual appearance of the semantic classes (e.g. convolutional neural networks) with strategies for spatial regularization (e.g. graphical models such as conditional random fields). In this paper, we propose a method to learn evidence in the form of semantic class likelihoods, semantic boundaries across classes and shallow-to-deep visual features, each one modeled by a multi-task convolutional neural network architecture. We combine this bottom-up information with top-down spatial regularization encoded by a conditional random field model optimizing the label space across a hierarchy of segments with constraints related to structural, spatial and data-dependent pairwise relationships between regions. Our results show that such strategy provide better regularization than a series of strong baselines reflecting state-of-the-art technologies. The proposed strategy offers a flexible and principled framework to include several sources of visual and structural information, while allowing for different degrees of spatial regularization accounting for priors about the expected output structures. Numéro de notice : A2018-392 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.06.007 date de publication en ligne : 05/07/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.06.007 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90826 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018101	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2018103	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2018102	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Foreword to the special issue on urban remote sensing for smarter cities / Prashanth Reddy Marpu in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol 11 n° 8 (August 2018)    

Public [article]  inIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing > vol 11 n° 8 (August 2018) . - pp 2575 - 2577 Titre : Foreword to the special issue on urban remote sensing for smarter cities Type de document : Article/Communication Auteurs : Prashanth Reddy Marpu, Auteur ; Devis Tuia, Auteur ; Clément Mallet , Auteur Année de publication : 2018 Projets : 1-Pas de projet / Article en page(s) : pp 2575 - 2577 Langues : Anglais (eng) Numéro de notice : A2018-386 Nature : Article nature-HAL : ArtAvecCL-RevueIntern/ArtSansCL DOI : 10.1109/JSTARS.2018.2863138 date de publication en ligne : 14/08/2018 En ligne : https://doi.org/10.1109/JSTARS.2018.2863138 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90799 [article]

Documents numériques

en open access Foreword to the special issue ... - pdf éditeur Adobe Acrobat PDF

Foreword to the theme issue on geospatial computer vision / Jan Dirk Wegner in ISPRS Journal of photogrammetry and remote sensing, vol 140 (June 2018)    

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 140 (June 2018) . - pp 1 - 2 Titre : Foreword to the theme issue on geospatial computer vision Type de document : Article/Communication Auteurs : Jan Dirk Wegner, Auteur ; Devis Tuia, Auteur ; Michael Ying Yang, Auteur ; Clément Mallet , Auteur Année de publication : 2018 Projets : 1-Pas de projet / Article en page(s) : pp 1 - 2 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] données localisées [Termes descripteurs IGN] vision par ordinateur Numéro de notice : A2018-387 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern/ArtSansCL DOI : 10.1016/j.isprsjprs.2017.12.011 date de publication en ligne : 09/01/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2017.12.011 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90801 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018061	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2018063	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2018062	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Documents numériques

en open access Foreword to the theme issue on geospatial computer vision - pdf éditeur Adobe Acrobat PDF

vol 140 - June 2018 - Geospatial computer vision (Bulletin de ISPRS Journal of photogrammetry and remote sensing) / Jan Dirk Wegner  

Permalink

Foreword to the Special Issue on 'GeoVision: Computer Vision for Geospatial Applications' / Devis Tuia in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol 9 n° 7 (July 2016)  

Permalink

Multiclass feature learning for hyperspectral image classification: Sparse and hierarchical solutions / Devis Tuia in ISPRS Journal of photogrammetry and remote sensing, vol 105 (July 2015)  

Permalink

Semisupervised manifold alignment of multimodal remote sensing images / Devis Tuia in IEEE Transactions on geoscience and remote sensing, vol 52 n° 12 (December 2014)

Permalink

Semisupervised classification of remote sensing images with active queries / Jordi Munoz-Mari in IEEE Transactions on geoscience and remote sensing, vol 50 n° 10 Tome 1 (October 2012)

Permalink

Memory-based cluster sampling for remote sensing image classification / Michele Volpi in IEEE Transactions on geoscience and remote sensing, vol 50 n° 8 (August 2012)

Permalink