Centre dedocumentation
scientifique

Semantic façade segmentation from airborne oblique images / Yaping Lin in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 6 (June 2019)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 85 n° 6 (June 2019) . - pp 425 - 433 Titre : Semantic façade segmentation from airborne oblique images Type de document : Article/Communication Auteurs : Yaping Lin, Auteur ; Francesco Nex, Auteur ; Michael Ying Yang, Auteur Année de publication : 2019 Article en page(s) : pp 425 - 433 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] champ aléatoire conditionnel [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] façade [Termes descripteurs IGN] image aérienne oblique [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] segmentation sémantique Résumé : (Auteur) In this paper, oblique airborne images with very high resolution are used to address the problem from aerial views in urban areas. Traditional classification method (i.e., random forests) is compared with state-of-the-art fully convolutional networks (FCNs). Random forests use hand-craft image features including red, green, blue (RGB), scale-invariant feature transform (SIFT), and Texton, and point cloud features consisting of normal vector and planarity extracted from different scales. In contrast, the inputs of FCNs are the RGB bands and the third components of normal vectors. In both cases, three-dimensional (3D) features are projected back into the image space to support the facade interpretation. Fully connected conditional random field (CRF) is finally taken as a post-processing of the FCN to refine the segmentation results. Several tests have been performed and the achieved results show that the models embedding the 3D component outperform the solution using only images. FCNs significantly outperformed random forests, especially for the balcony delineation. Numéro de notice : A2019-247 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.85.6.425 date de publication en ligne : 01/06/2019 En ligne : https://doi.org/10.14358/PERS.85.6.425 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93003 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2019061	SL	Revue	Centre de documentation	Revues en salle	Disponible

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  

Public [n° ou bulletin]  est un bulletin de ISPRS Journal of photogrammetry and remote sensing / International society for photogrammetry and remote sensing (1990 - )   Titre : vol 140 - June 2018 - Geospatial computer vision Type de document : Périodique Auteurs : Jan Dirk Wegner, Editeur scientifique ; Devis Tuia, Editeur scientifique ; Michael Ying Yang, Editeur scientifique ; Clément Mallet , Editeur scientifique Année de publication : 2018 Langues : Anglais (eng) Numéro de notice : 081-201806 Nature : Numéro de périodique nature-HAL : DirectOuvrColl/Actes En ligne : https://www.sciencedirect.com/journal/isprs-journal-of-photogrammetry-and-remote [...] Format de la ressource électronique : URL Sommaire Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=31066 [n° ou bulletin]

Contient

• Landmark based localization in urban environment / Xiaozhi Qu in ISPRS Journal of photogrammetry and remote sensing, vol 140 (June 2018)  
• Foreword to the theme issue on geospatial computer vision / Jan Dirk Wegner in ISPRS Journal of photogrammetry and remote sensing, vol 140 (June 2018)    

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

Video event recognition and anomaly detection by combining gaussian process and hierarchical dirichlet process models / Michael Ying Yang in Photogrammetric Engineering & Remote Sensing, PERS, vol 84 n° 4 (April 2018)  

Public [article]  inPhotogrammetric Engineering & Remote Sensing, PERS > vol 84 n° 4 (April 2018) . - pp 203 - 214 Titre : Video event recognition and anomaly detection by combining gaussian process and hierarchical dirichlet process models Type de document : Article/Communication Auteurs : Michael Ying Yang, Auteur ; Wentong Liao, Auteur ; Yanpeng Cao, Auteur ; Bodo Rosenhahn, Auteur Année de publication : 2018 Article en page(s) : pp 203 - 214 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] agent (intelligence artificielle) [Termes descripteurs IGN] apprentissage non-dirigé [Termes descripteurs IGN] approche hiérarchique [Termes descripteurs IGN] image vidéo [Termes descripteurs IGN] modèle de Markov [Termes descripteurs IGN] modèle orienté agent [Termes descripteurs IGN] séquence d'images Résumé : (Auteur) In this paper, we present an unsupervised learning framework for analyzing activities and interactions in surveillance videos. In our framework, three levels of video events are connected by Hierarchical Dirichlet Process (HDP) model: low-level visual features, simple atomic activities, and multi-agent interactions. Atomic activities are represented as distribution of low-level features, while complicated interactions are represented as distribution of atomic activities. This learning process is unsupervised. Given a training video sequence, low-level visual features are extracted based on optic flow and then clustered into different atomic activities and video clips are clustered into different interactions. The HDP model automatically decides the number of clusters, i.e., the categories of atomic activities and interactions. Based on the learned atomic activities and interactions, a training dataset is generated to train the Gaussian Process (GP) classifier. Then, the trained GP models work in newly captured video to classify interactions and detect abnormal events in real time. Furthermore, the temporal dependencies between video events learned by HDP-Hidden Markov Models (HMM) are effectively integrated into GP classifier to enhance the accuracy of the classification in newly captured videos. Our framework couples the benefits of the generative model (HDP) with the discriminant model (GP). We provide detailed experiments showing that our framework enjoys favorable performance in video event classification in real-time in a crowded traffic scene. Numéro de notice : A2018-139 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.84.4.203 date de publication en ligne : 01/04/2018 En ligne : https://doi.org/10.14358/PERS.84.4.203 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89689 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
105-2018041	SL	Revue	Centre de documentation	Revues en salle	Disponible

IV-1/W1 - ISPRS Hannover Workshop: HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17, 6–9 June 2017, Hannover, Germany (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-1/W1 [30/05/2017]) / Christian Heipke  

Public [n° ou bulletin]  est un bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences / International society for photogrammetry and remote sensing (2012 - )   Titre : IV-1/W1 - ISPRS Hannover Workshop: HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17, 6–9 June 2017, Hannover, Germany Type de document : Périodique Auteurs : Christian Heipke, Editeur scientifique ; Uwe Stilla, Editeur scientifique ; Franz Rottensteiner, Editeur scientifique ; Alper Yilmaz, Editeur scientifique ; Michael Ying Yang, Editeur scientifique ; Jan Skaloud, Editeur scientifique ; Ismael Colomina, Editeur scientifique ; Karsten Jacobsen, Editeur scientifique Congrès : ISPRS 2017 Workshops HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17 (6 - 9 juin 2017; Hanovre, Allemagne), Commanditaire Année de publication : 2017 Langues : Français (fre) Numéro de notice : sans Nature : Numéro de périodique En ligne : https://www.isprs-ann-photogramm-remote-sens-spatial-inf-sci.net/IV-1-W1/index.h [...] Format de la ressource électronique : URL bulletin Permalink : https://documentation.ensg.eu/index.php?lvl=bulletin_display&id=31126 [n° ou bulletin]

Contient

• Geometric features and their relevance for 3D point cloud classification / Martin Weinmann in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-1/W1 ([30/05/2017])  
• Investigating the potential of deep neural networks for large-scale classification of very high resolution satellite images / Tristan Postadjian in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-1/W1 ([30/05/2017])  
• Disocclusion of 3D LiDAR point clouds using range images / Pierre Biasutti in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, IV-1/W1 ([30/05/2017])  

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

II-3 W2 - November 2013 - WGIII/3 ISA13 – The ISPRS Workshop on Image Sequence Analysis 2013 [actes] (Bulletin de ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences) / Clément Mallet  

Permalink

Fusion of camera images and laser scans for wide baseline 3D scene alignment in urban environments / Michael Ying Yang in ISPRS Journal of photogrammetry and remote sensing, vol 66 n° 6 supplement (December 2011)  

Permalink