Centre dedocumentation
scientifique

Combining deep learning and mathematical morphology for historical map segmentation / Yizi Chen (2021)  

Public Titre : Combining deep learning and mathematical morphology for historical map segmentation Type de document : Chapitre/Contribution Auteurs : Yizi Chen, Auteur ; Edwin Carlinet, Auteur ; Joseph Chazalon, Auteur ; Clément Mallet , Auteur ; Bertrand Duménieu , Auteur ; Julien Perret , Auteur Editeur : Berlin, Heidelberg, Vienne, New York, ... : Springer Année de publication : 2021 Collection : Lecture notes in Computer Science, ISSN 0302-9743 num. 12708 Projets : SODUCO / Perret, Julien Conférence : DGMM 2021, 1st International Joint Conference on Discrete Geometry and Mathematical Morphology 24/05/2021 27/05/2021 Uppsala Suède Proceedings Springer Importance : pp 79 - 92 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] analyse diachronique [Termes IGN] apprentissage profond [Termes IGN] carte ancienne [Termes IGN] chaîne de traitement [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection d'objet [Termes IGN] données maillées [Termes IGN] morphologie mathématique [Termes IGN] vectorisation Résumé : (auteur) The digitization of historical maps enables the study of ancient, fragile, unique, and hardly accessible information sources. Main map features can be retrieved and tracked through the time for subsequent thematic analysis. The goal of this work is the vectorization step, i.e., the extraction of vector shapes of the objects of interest from raster images of maps. We are particularly interested in closed shape detection such as buildings, building blocks, gardens, rivers, etc. in order to monitor their temporal evolution. Historical map images present significant pattern recognition challenges. The extraction of closed shapes by using traditional Mathematical Morphology (MM) is highly challenging due to the overlapping of multiple map features and texts. Moreover, state-of-the-art Convolutional Neural Networks (CNN) are perfectly designed for content image filtering but provide no guarantee about closed shape detection. Also, the lack of textural and color information of historical maps makes it hard for CNN to detect shapes that are represented by only their boundaries. Our contribution is a pipeline that combines the strengths of CNN (efficient edge detection and filtering) and MM (guaranteed extraction of closed shapes) in order to achieve such a task. The evaluation of our approach on a public dataset shows its effectiveness for extracting the closed boundaries of objects in historical maps. Numéro de notice : H2021-001 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Autre URL associée : vers HAL Thématique : GEOMATIQUE Nature : Chapître / contribution nature-HAL : ChOuvrScient DOI : 10.1007/978-3-030-76657-3_5 date de publication en ligne : 16/05/2021 En ligne : http://dx.doi.org/10.1007/978-3-030-76657-3_5 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96739

ICDAR 2021 competition on historical map segmentation / Joseph Chazalon (2021)  

Public Titre : ICDAR 2021 competition on historical map segmentation Type de document : Article/Communication Auteurs : Joseph Chazalon, Auteur ; Edwin Carlinet, Auteur ; Yizi Chen, Auteur ; Julien Perret , Auteur ; Bertrand Duménieu , Auteur ; Clément Mallet , Auteur ; Thierry Géraud, Auteur ; Vincent Nguyen, Auteur ; Nam Nguyen, Auteur ; Josef Baloun, Auteur ; Ladislav Lenc, Auteur ; Pavel Král, Auteur Editeur : Le Kremlin Bicêtre : Ecole pour l'Informatique et les Techniques Avancées EPITA Année de publication : 2021 Conférence : ICDAR 2021, 16th International Conference on Document Analysis and Recognition 05/09/2021 10/09/2021 Lausanne Suisse Proceedings Springer Importance : 15 p. Note générale : bibliographie Langues : Anglais (eng) Résumé : (auteur) This paper presents the final results of the ICDAR 2021 Competition on Historical Map Segmentation (MapSeg), encouraging research on a series of historical atlases of Paris, France, drawn at 1/5000 scale between 1894 and 1937. The competition featured three tasks, awarded separately. Task 1 consists in detecting building blocks and was won by the L3IRIS team using a DenseNet-121 network trained in a weakly supervised fashion. This task is evaluated on 3 large images containing hundreds of shapes to detect. Task 2 consists in segmenting map content from the larger map sheet, and was won by the UWB team using a U-Net-like FCN combined with a binarization method to increase detection edge accuracy. Task 3 consists in locating intersection points of geo-referencing lines, and was also won by the UWB team who used a dedicated pipeline combining binarization, line detection with Hough transform, candidate filtering, and template matching for intersection refinement. Tasks 2 and 3 are evaluated on 95 map sheets with complex content. Dataset, evaluation tools and results are available under permissive licensing at https://icdar21-mapseg.github.io/. Numéro de notice : A2021-500 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Nature : Communication En ligne : https://hal.archives-ouvertes.fr/hal-03256193/document Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98032

Vectorization of historical maps using deep edge filtering and closed shape extraction / Yizi Chen (2021)  

Public Titre : Vectorization of historical maps using deep edge filtering and closed shape extraction Type de document : Article/Communication Auteurs : Yizi Chen, Auteur ; Edwin Carlinet, Auteur ; Joseph Chazalon, Auteur ; Clément Mallet , Auteur ; Bertrand Duménieu , Auteur ; Julien Perret , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2021 Projets : SODUCO / Perret, Julien Conférence : ICDAR 2021, 16th International Conference on Document Analysis and Recognition 05/09/2021 10/09/2021 Lausanne Suisse Proceedings Springer Importance : 17 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] apprentissage profond [Termes IGN] carte ancienne [Termes IGN] chaîne de traitement [Termes IGN] extraction de traits caractéristiques [Termes IGN] filtrage numérique d'image [Termes IGN] traitement d'image [Termes IGN] vectorisation Résumé : (auteur) Maps have been a unique source of knowledge for centuries. Such historical documents provide invaluable information for analyzing the complex spatial transformation of landscapes over important time frames. This is particularly true for urban areas that encompass multiple interleaved research domains (social sciences, economy, etc.). The large amount and significant diversity of map sources call for automatic image processing techniques in order to extract the relevant objects under a vectorial shape. The complexity of maps (text, noise, digiti-zation artifacts, etc.) has hindered the capacity of proposing a versatile and efficient raster-to-vector approaches for decades. We propose alearnable, reproducible, and reusable solution for the automatic transformation of raster maps into vector objects (building blocks, streets,rivers). It is built upon the complementary strength of mathematical morphology and convolutional neural networks through efficient edge filtering. Even more, we modify ConnNet and combine with deep edgefiltering architecture to make use of pixel connectivity information and built an end-to-end system without requiring any post-processing techniques. In this paper, we focus on the comprehensive benchmark on various architectures on multiple datasets coupled with a novel vectorization step. Our experimental results on a new public dataset using COCO Panoptic metric exhibit very encouraging results confirmedby a qualitative analysis of the success and failure cases of our approach. Code, dataset, results and extra illustrations are freely available at https://github.com/soduco/ICDAR-2021-Vectorization Numéro de notice : C2021-011 Affiliation des auteurs : UGE-LaSTIG+Ext (2020- ) Thématique : GEOMATIQUE/IMAGERIE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-03256073/document Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97988

Des empreintes cartographiques : restitution de données géohistoriques à partir de la Carte de France de Cassini, 1750-1789 / Bertrand Duménieu in Cartes & Géomatique, n° 241-242 (décembre 2019)

Public [article]  inCartes & Géomatique > n° 241-242 (décembre 2019) . - pp 13 - 14 Titre : Des empreintes cartographiques : restitution de données géohistoriques à partir de la Carte de France de Cassini, 1750-1789 Type de document : Article/Communication Auteurs : Bertrand Duménieu , Auteur ; Julien Chadeyron, Auteur ; Pascal Cristofoli, Auteur ; Julien Perret , Auteur ; Laurence Jolivet , Auteur ; Stéphane Baciocchi, Auteur Année de publication : 2019 Projets : 1-Pas de projet / Perret, Julien Conférence : ICC 2019, 29th International Cartographic Conference ICA, Mapping everything for everyone 15/07/2019 20/07/2019 Tokyo Japon Open Access Proceedings of the ICA Article en page(s) : pp 13 - 14 Note générale : biliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] base de données localisées [Termes IGN] carte de Cassini [Termes IGN] carte de France [Termes IGN] entité géographique [Termes IGN] PostGIS [Termes IGN] PostgreSQL [Termes IGN] QGIS [Termes IGN] rendu (géovisualisation) [Termes IGN] toponyme [Termes IGN] vectorisation Numéro de notice : A2019-651 Affiliation des auteurs : LaSTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97834 [article]

Voir aussi

• Engraved footprints from the past. Retrieving cartographic geohistorical data from the Cassini Carte de France, 1750-1789 / Bertrand Duménieu (2019)  

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
021-2019021	SL	Revue	Centre de documentation	Revues en salle	Disponible

Création d’une base de connaissances sur les redécoupages administratifs durant la Révolution française : l’exemple des paroisses constitutionnelles / Antoine Keller (2019)  

Public Titre : Création d’une base de connaissances sur les redécoupages administratifs durant la Révolution française : l’exemple des paroisses constitutionnelles Type de document : Article/Communication Auteurs : Antoine Keller, Auteur ; Nathalie Abadie , Auteur ; Bertrand Duménieu , Auteur ; Stéphane Baciocchi, Auteur ; Eric Kergosien, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2019 Conférence : CHEC 2019, Séminaire Atlas historique 24/01/2019 24/01/2019 Clermont-Ferrand France programme, Journées Recherche de l'IGN 2019, 28es Journées 18/04/2019 19/04/2019 Champs-sur-Marne France Open Access Abstracts Format : 21 x 30 cm Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] base de connaissances [Termes IGN] limite administrative [Termes IGN] paroisse [Termes IGN] révolution française Numéro de notice : C2019-024 Affiliation des auteurs : LaSTIG COGIT+Ext (2012-2019) Autre URL associée : vers HAL/vers la vidéo Thématique : GEOMATIQUE Nature : Conférence invitée nature-HAL : ComSansActesPubliés-Unpublished DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-03147390 Format de la ressource électronique : URL Vidéo Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94301

Engraved footprints from the past. Retrieving cartographic geohistorical data from the Cassini Carte de France, 1750-1789 / Bertrand Duménieu (2019)  

Permalink

Historical collaborative geocoding / Rémi Cura in ISPRS International journal of geo-information, vol 7 n° 7 (July 2018)    

Permalink

Assessing the planimetric accuracy of Paris atlases from the late 18th and 19th centuries / Bertrand Duménieu (2018)    

Permalink

Vers la construction d'une base de connaissances sur la réorganisation territoriale française à la Révolution / Antoine Keller (2018) 

Permalink

Expressive map design: OGC SLD/SE++ extension for expressive map styles / Sidonie Christophe (2017)    

Permalink

Integrating expressive rendering techniques in a GIS cartographic pipeline / Bertrand Duménieu (2016) 

Permalink

Map style formalization: Rendering techniques extension for cartography / Sidonie Christophe (2016)  

Permalink

Études des dynamiques de l’occupation du sol. Questionnements, simplifications et limites / Julien Perret in Revue internationale de géomatique, vol 25 n° 3 (septembre - novembre 2015)  

Permalink

Un système d'information géographique pour le suivi d'objets historiques urbaines à travers l'espace et le temps / Bertrand Duménieu (2015)  

Permalink

Une méthode de construction de données spatio-temporelles pour l'étude de l'espace urbain ancien / Bertrand Duménieu (2013)    

Permalink