Détail de l'autorité
Documents disponibles (2)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Panoptic segmentation of satellite image time series with convolutional temporal attention networks / Vivien Sainte Fare Garnot (2021)
Titre : Panoptic segmentation of satellite image time series with convolutional temporal attention networks Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu , Auteur Editeur : Ithaca [New York - Etats-Unis] : ArXiv - Université Cornell Année de publication : 2021 Projets : 1-Pas de projet / Conférence : ICCV 2021, IEEE/CVF International Conference on Computer Vision 11/10/2021 17/10/2021 programme Importance : 17 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] contour
[Termes IGN] Pastis
[Termes IGN] Perceptron multicouche
[Termes IGN] segmentation d'image
[Termes IGN] segmentation sémantique
[Termes IGN] série temporelleRésumé : (auteur) Unprecedented access to multi-temporal satellite imagery has opened new perspectives for a variety of Earth observation tasks. Among them, pixel-precise panoptic segmentation of agricultural parcels has major economic and environmental implications. While researchers have explored this problem for single images, we argue that the complex temporal patterns of crop phenology are better addressed with temporal sequences of images. In this paper, we present the first end-to-end, single-stage method for panoptic segmentation of Satellite Image Time Series (SITS). This module can be combined with our novel image sequence encoding network which relies on temporal self- attention to extract rich and adaptive multi-scale spatio- temporal features. We also introduce PASTIS, the first open- access SITS dataset with panoptic annotations. We demonstrate the superiority of our encoder for semantic segmentation against multiple competing architectures, and set up the first state-of-the-art of panoptic segmentation of SITS. Our implementation and PASTIS are publicly available. Numéro de notice : C2021-029 Affiliation des auteurs : UGE-LASTIG (2020- ) Autre URL associée : vers ArXiv Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.48550/arXiv.2107.07933 En ligne : https://doi.org/10.1109/ICCV48922.2021.00483 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98978 Supplementary material for: Panoptic segmentation of satellite image time series with convolutional temporal attention networks / Vivien Sainte Fare Garnot (2021)
Titre : Supplementary material for: Panoptic segmentation of satellite image time series with convolutional temporal attention networks Type de document : Article/Communication Auteurs : Vivien Sainte Fare Garnot , Auteur ; Loïc Landrieu , Auteur Editeur : New York : Institute of Electrical and Electronics Engineers IEEE Année de publication : 2021 Conférence : ICCV 2021, IEEE/CVF International Conference on Computer Vision 11/10/2021 17/10/2021 programme Importance : pp 1 - 8 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] contour
[Termes IGN] Pastis
[Termes IGN] Perceptron multicouche
[Termes IGN] segmentation d'image
[Termes IGN] segmentation sémantique
[Termes IGN] série temporelleRésumé : (auteur) In this appendix, we provide additional information on the PASTIS dataset and our exact model configuration. We also provide complementary qualitative experimental results. Numéro de notice : C2021-024 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComSansActesPubliés-Unpublished DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98728 Voir aussiDocuments numériques
en open access
Supplementary material for: Panoptic... - pdf auteur-Adobe Acrobat PDF