Centre dedocumentation
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 descripteurs IGN] apprentissage profond [Termes descripteurs IGN] arbre (flore) [Termes descripteurs IGN] carte forestière [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] espèce végétale [Termes descripteurs IGN] Forêt-Noire, massif de la [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image captée par drone [Termes descripteurs IGN] image RVB [Termes descripteurs IGN] inventaire forestier (techniques et méthodes) [Termes descripteurs IGN] inventaire forestier local [Termes descripteurs 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]