Centre dedocumentation
scientifique

Fine-grained landuse characterization using ground-based pictures: a deep learning solution based on globally available data / Shivangi Srivastava in International journal of geographical information science IJGIS, vol 34 n° 6 (June 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 6 (June 2020) . - pp 1117 - 1136 Titre : Fine-grained landuse characterization using ground-based pictures: a deep learning solution based on globally available data Type de document : Article/Communication Auteurs : Shivangi Srivastava, Auteur ; John E. Vargas-Muñoz, Auteur ; Sylvain Lobry, Auteur ; Devis Tuia, Auteur Année de publication : 2020 Article en page(s) : pp 1117 - 1136 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de données urbaines [Termes descripteurs IGN] carte d'occupation du sol [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] données localisées des bénévoles [Termes descripteurs IGN] données localisées libres [Termes descripteurs IGN] Ile-de-France [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] image terrestre [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] méthode heuristique [Termes descripteurs IGN] OpenStreetMap [Termes descripteurs IGN] réseau social Résumé : (auteur) We study the problem of landuse characterization at the urban-object level using deep learning algorithms. Traditionally, this task is performed by surveys or manual photo interpretation, which are expensive and difficult to update regularly. We seek to characterize usages at the single object level and to differentiate classes such as educational institutes, hospitals and religious places by visual cues contained in side-view pictures from Google Street View (GSV). These pictures provide geo-referenced information not only about the material composition of the objects but also about their actual usage, which otherwise is difficult to capture using other classical sources of data such as aerial imagery. Since the GSV database is regularly updated, this allows to consequently update the landuse maps, at lower costs than those of authoritative surveys. Because every urban-object is imaged from a number of viewpoints with street-level pictures, we propose a deep-learning based architecture that accepts arbitrary number of GSV pictures to predict the fine-grained landuse classes at the object level. These classes are taken from OpenStreetMap. A quantitative evaluation of the area of Île-de-France, France shows that our model outperforms other deep learning-based methods, making it a suitable alternative to manual landuse characterization. Numéro de notice : A2020-269 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1542698 date de publication en ligne : 18/11/2018 En ligne : https://doi.org/10.1080/13658816.2018.1542698 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95041 [article]

Guided feature matching for multi-epoch historical image blocks pose estimation / Lulin Zhang in ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Inconnu (June 2020)    

Public [article]  contenu dans HAL Hyper articles en ligne / Centre pour la Communication Scientifique Directe CCSD (2000)   inISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences > Inconnu (June 2020) . - 9 p. Titre : Guided feature matching for multi-epoch historical image blocks pose estimation Type de document : Article/Communication Auteurs : Lulin Zhang, Auteur ; Ewelina Rupnik , Auteur ; Marc Pierrot-Deseilligny , Auteur Année de publication : 2020 Article en page(s) : 9 p. Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] analyse comparative [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] Pézenas [Termes descripteurs IGN] SIFT (algorithme) [Vedettes matières IGN] Géovisualisation Résumé : (Auteur) Historical aerial imagery plays an important role in providing unique information about evolution of our landscapes. It possesses many positive qualities such as high spatial resolution, stereoscopic configuration and short time interval. Self-calibration reamains a main bottleneck for achieving the intrinsic value of historical imagery, as it involves certain underdeveloped research points such as detecting inter-epoch tie-points. In this research, we present a novel algorithm to detecting inter-epoch tie-points in historical images which do not rely on any auxiliary data. Using SIFT-detected keypoints we perform matching across epochs by interchangeably estimating and imposing that points follow two mathematical models: at first a 2D spatial similarity, then a 3D spatial similarity. We import GCPs to quantitatively evaluate our results with Digital Elevation Models (DEM) of differences (abbreviated as DoD) in absolute reference frame, and compare the results of our method with other 2 methods that use either the traditional SIFT or few virtual GCPs. The experiments show that far more correct inter-epoch tie-points can be extracted with our guided technique. Qualitative and quantitative results are reported. Numéro de notice : C2020-003 Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans date de publication en ligne : 05/05/2020 En ligne : https://hal.archives-ouvertes.fr/hal-02563454/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95081 [article]

Documents numériques

en open access Guided feature matching... - pdf auteur Adobe Acrobat PDF

City information modeling, Rennes s'offre un jumeau numérique / Marielle Mayo in Géomètre, n° 2180 (mai 2020)

Public [article]  inGéomètre > n° 2180 (mai 2020) . - pp 44 - 47 Titre : City information modeling, Rennes s'offre un jumeau numérique Type de document : Article/Communication Auteurs : Marielle Mayo, Auteur Année de publication : 2020 Article en page(s) : pp 44 - 47 Langues : Français (fre) Descripteur : [Vedettes matières IGN] Aménagement [Termes descripteurs IGN] aménagement du territoire [Termes descripteurs IGN] maquette numérique [Termes descripteurs IGN] modélisation 3D du bâti BIM [Termes descripteurs IGN] Rennes [Termes descripteurs IGN] représentation cartographique 3D [Termes descripteurs IGN] système d'information géographique [Termes descripteurs IGN] ville intelligente Résumé : (Auteur) Pionnière en matière de représentation 3D du territoire et de services numériques, la métropole teste aujourd'hui Virtual Rennes, un jumeau numérique développé sur la plateforme 3DExpérience de Dassault Systèmes. Numéro de notice : A2020-188 Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtSansCL DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95086 [article]

Street-Frontage-Net: urban image classification using deep convolutional neural networks / Stephen Law in International journal of geographical information science IJGIS, vol 34 n° 4 (April 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 681- 707 Titre : Street-Frontage-Net: urban image classification using deep convolutional neural networks Type de document : Article/Communication Auteurs : Stephen Law, Auteur ; Chanuki Illushka Seresinhe, Auteur ; Yao Shen, Auteur Année de publication : 2020 Article en page(s) : pp 681- 707 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] espace public [Termes descripteurs IGN] évaluation foncière [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] façade [Termes descripteurs IGN] habitat urbain [Termes descripteurs IGN] image Streetview [Termes descripteurs IGN] immobilier (secteur) [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] Londres [Termes descripteurs IGN] matrice de confusion [Termes descripteurs IGN] Paris (75) [Termes descripteurs IGN] paysage urbain [Termes descripteurs IGN] urbanisme [Termes descripteurs IGN] vision par ordinateur Résumé : (auteur) Quantifying aspects of urban design on a massive scale is crucial to help develop a deeper understanding of urban designs elements that contribute to the success of a public space. In this study, we further develop the Street-Frontage-Net (SFN), a convolutional neural network (CNN) that can successfully evaluate the quality of street frontage as either being active (frontage containing windows and doors) or blank (frontage containing walls, fences and garages). Small-scale studies have indicated that the more active the frontage, the livelier and safer a street feels. However, collecting the city-level data necessary to evaluate street frontage quality is costly. The SFN model uses a deep CNN to classify the frontage of a street. This study expands on the previous research via five experiments. We find robust results in classifying frontage quality for an out-of-sample test set that achieves an accuracy of up to 92.0%. We also find active frontages in a neighbourhood has a significant link with increased house prices. Lastly, we find that active frontage is associated with more scenicness compared to blank frontage. While further research is needed, the results indicate the great potential for using deep learning methods in geographic information extraction and urban design. Numéro de notice : A2020-110 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1555832 date de publication en ligne : 26/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1555832 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94712 [article]

Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series / Mathieu Fauvel in Remote sensing of environment, Vol 237 (February 2020)  

Public [article]  inRemote sensing of environment > Vol 237 (February 2020) . - 13 p. Titre : Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series Type de document : Article/Communication Auteurs : Mathieu Fauvel, Auteur ; Maylis Lopes, Auteur ; Titouan Dubo, Auteur ; Justine Rivers-Moore, Auteur ; Pierre-Louis Frison , Auteur ; Nicolas Gross, Auteur ; Annie Ouin, Auteur Année de publication : 2020 Article en page(s) : 13 p. Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image mixte [Termes descripteurs IGN] biodiversité végétale [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] Haute-Garonne (31) [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] image RapidEye [Termes descripteurs IGN] image Sentinel-MSI [Termes descripteurs IGN] image Sentinel-SAR [Termes descripteurs IGN] indice de diversité [Termes descripteurs IGN] indice de végétation [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] prairie [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] taxinomie Résumé : (auteur) The prediction of grasslands plant diversity using satellite image time series is considered in this article. Fifteen months of freely available Sentinel optical and radar data were used to predict taxonomic and functional diversity at the pixel scale (10 m × 10 m) over a large geographical extent (40,000 km2). 415 field measurements were collected in 83 grasslands to train and validate several statistical learning methods. The objective was to link the satellite spectro-temporal data to the plant diversity indices. Among the several diversity indices tested, Simpson and Shannon indices were best predicted with a coefficient of determination around 0.4 using a Random Forest predictor and Sentinel-2 data. The use of Sentinel-1 data was not found to improve significantly the prediction accuracy. Using the Random Forest algorithm and the Sentinel-2 time series, the prediction of the Simpson index was performed. The resulting map highlights the intra-parcel variability and demonstrates the capacity of satellite image time series to monitor grasslands plant taxonomic diversity from an ecological viewpoint. Numéro de notice : A2020-004 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.rse.2019.111536 date de publication en ligne : 26/11/2019 En ligne : https://doi.org/10.1016/j.rse.2019.111536 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94296 [article]

La biodiversité à l’épreuve des choix d’aménagement : une approche par la modélisation appliquée à la Région Occitanie / Coralie Calvet in Sciences, eaux & territoires, n° 31 (janvier 2020)  

Permalink

Very high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)  

Permalink

Histoire du nivellement de Paris : des nouveautés / Alain Coulomb in XYZ, n° 161 (décembre 2019)

Permalink

A low‐cost open‐source workflow to generate georeferenced 3D SfM photogrammetric models of rocky outcrops / Laurent Froideval in Photogrammetric record, vol 34 n° 168 (December 2019)  

Permalink

Mapping urban fingerprints of odonyms automatically extracted from French novels / Ludovic Moncla in International journal of geographical information science IJGIS, vol 33 n°12 (December 2019)  

Permalink

Maquette numérique BIM : modélisation 3D de l'aéroport international de Bâle-Mulhouse-Fribourg / Thibault Bavoux in XYZ, n° 161 (décembre 2019)

Permalink

L'université Gustave Eiffel vise le sommet / Fanny Perrin d'Arloz in SIGmag, n° 22 (octobre 2019)

Permalink

Contribution à la connaissance phytosociologique de la végétation du pays de Sault (département de l’Aude, France) / Bruno de Foucault in Evaxiana, n° 6 (2019)

Permalink

Structural segmentation and classification of mobile laser scanning point clouds with large variations in point density / Yuan Li in ISPRS Journal of photogrammetry and remote sensing, vol 153 (July 2019)  

Permalink

Plans-reliefs, ancêtres de la modélisation / Marielle Mayo in Géomètre, n° 2169 (mai 2019)

Permalink