Centre dedocumentation
scientifique

Context-Aware Convolutional Neural Network for Object Detection in VHR Remote Sensing Imagery / Yiping Gong in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 1 (January 2020) . - pp 34 - 44 Titre : Context-Aware Convolutional Neural Network for Object Detection in VHR Remote Sensing Imagery Type de document : Article/Communication Auteurs : Yiping Gong, Auteur ; Zhifeng Xiao, Auteur ; Xiaowei Tan, Auteur Année de publication : 2020 Article en page(s) : pp 34 - 44 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse contextuelle [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] description multiniveau [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] vision par ordinateur [Termes descripteurs IGN] zone d'intérêt Résumé : (auteur) Object detection in very-high-resolution (VHR) remote sensing imagery remains a challenge. Environmental factors, such as illumination intensity and weather, reduce image quality, resulting in poor feature representation and limited detection accuracy. To enrich the feature representation and mine the underlying context information among objects, this article proposes a context-aware convolutional neural network (CA-CNN) model for object detection that includes proposal generation, context feature extraction, feature fusion, and classification. During feature extraction, we propose integrating a context-regions-of-interests (Context-RoIs) mining layer into the CNN model and extracting context features by mapping Context-RoIs mined from the foreground proposals to multilevel feature maps. Finally, the context features extracted from multilevel layers are fused into a single layer, and the proposals represented by the fused features are classified by a softmax classifier. In this article, through numerous experiments, we thoroughly explore the influence of key factors, such as Context-RoIs, different feature scales, and different spatial context window sizes. Because of the end-to-end network design approach, our proposed model simultaneously maintains high efficiency and effectiveness. We conducted all model testing on the public NWPU VHR-10 data set. The experimental results demonstrate that our proposed CA-CNN model achieves significantly improved model performance and better detection results compared with the state-of-the-art methods. Numéro de notice : A2020-038 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2930246 date de publication en ligne : 23/09/2019 En ligne : http://doi.org/10.1109/TGRS.2019.2930246 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94492 [article]

Georeferenced measurements of building objects with their simultaneous shape detection / Edward Osada in Survey review, Vol 52 n°370 (Janvier 2020)  

Public [article]  inSurvey review > Vol 52 n°370 (Janvier 2020) . - pp 24 - 30 Titre : Georeferenced measurements of building objects with their simultaneous shape detection Type de document : Article/Communication Auteurs : Edward Osada, Auteur ; Krzysztof Karsznia, Auteur ; Izabela Karsznia, Auteur Année de publication : 2020 Article en page(s) : pp 24 - 30 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Topographie [Termes descripteurs IGN] ajustement de paramètres [Termes descripteurs IGN] bâtiment [Termes descripteurs IGN] compensation par moindres carrés [Termes descripteurs IGN] détection de contours [Termes descripteurs IGN] information géographique [Termes descripteurs IGN] mesurage d'angles [Termes descripteurs IGN] méthode robuste [Termes descripteurs IGN] point de nivellement [Termes descripteurs IGN] point GNSS nivelé [Termes descripteurs IGN] reconnaissance de formes Résumé : (auteur) The paper presents a new method of georeferenced measurements of building objects with their simultaneous shape detection. The method is based on a robust adjustment of a linear network localised on the measured object and connected to GNSS-surveyed points deployed near building corners. In the robust adjustment process, the angles of the object physically outlying from their theoretical design values are detected, the remaining angles retain the design values. The performed field surveying experiment underlined the effectiveness of the proposed method. Numéro de notice : A2020-025 Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2018.1511033 date de publication en ligne : 17/08/2018 En ligne : https://doi.org/10.1080/00396265.2018.1511033 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94473 [article]

An implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data / Puzhao Zhang in ISPRS Journal of photogrammetry and remote sensing, Vol 158 (December 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > Vol 158 (December 2019) . - pp 50 - 62 Titre : An implicit radar convolutional burn index for burnt area mapping with Sentinel-1 C-band SAR data Type de document : Article/Communication Auteurs : Puzhao Zhang, Auteur ; Andrea Nascetti, Auteur ; Yifang Ban, Auteur ; Maoguo Gong, Auteur Année de publication : 2019 Article en page(s) : pp 50 - 62 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image radar et applications [Termes descripteurs IGN] Californie (Etats-Unis) [Termes descripteurs IGN] carte de la végétation [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image multibande [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] incendie [Termes descripteurs IGN] Normalized Difference Vegetation Index [Termes descripteurs IGN] Short Waves InfraRed Résumé : (auteur) Compared with optical sensors, the all-weather and day-and-night imaging ability of Synthetic Aperture Radar (SAR) makes it competitive for burnt area mapping. This study investigates the potential of Sentinel-1 C-band SAR sensors in burnt area mapping with an implicit Radar Convolutional Burn Index (RCBI). Based on multitemporal Sentinel-1 SAR data, a convolutional networks-based classification framework is proposed to learn the RCBI for highlighting the burnt areas. We explore the mapping accuracy level that can be achieved using SAR intensity and phase information for both VV and VH polarizations. Moreover, we investigate the decorrelation of Interferometric SAR (InSAR) coherence to wildfire events using different temporal baselines. The experimental results on two recent fire events, Thomas Fire (Dec., 2017) and Carr Fire (July, 2018) in California, demonstrate that the learnt RCBI has a better potential than the classical log-ratio operator in highlighting burnt areas. By exploiting both VV and VH information, the developed RCBI achieved an overall mapping accuracy of 94.68% and 94.17% on the Thomas Fire and Carr Fire, respectively. Numéro de notice : A2019-545 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.013 date de publication en ligne : 04/10/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.013 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94189 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019121	SL	Revue	Centre de documentation	Revues en salle	Disponible

Context pyramidal network for stereo matching regularized by disparity gradients / Junhua Kang in ISPRS Journal of photogrammetry and remote sensing, vol 157 (November 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 157 (November 2019) . - pp 201 - 215 Titre : Context pyramidal network for stereo matching regularized by disparity gradients Type de document : Article/Communication Auteurs : Junhua Kang, Auteur ; Lin Chen, Auteur ; Fei Deng, Auteur ; Christian Heipke, Auteur Année de publication : 2019 Article en page(s) : pp 201 - 215 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] appariement de formes [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] chaîne de traitement [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] gradient [Termes descripteurs IGN] vision par ordinateur [Termes descripteurs IGN] vision stéréoscopique Résumé : (Auteur) Also after many years of research, stereo matching remains to be a challenging task in photogrammetry and computer vision. Recent work has achieved great progress by formulating dense stereo matching as a pixel-wise learning task to be resolved with a deep convolutional neural network (CNN). However, most estimation methods, including traditional and deep learning approaches, still have difficulty to handle real-world challenging scenarios, especially those including large depth discontinuity and low texture areas. To tackle these problems, we investigate a recently proposed end-to-end disparity learning network, DispNet (Mayer et al., 2015), and improve it to yield better results in these problematic areas. The improvements consist of three major contributions. First, we use dilated convolutions to develop a context pyramidal feature extraction module. A dilated convolution expands the receptive field of view when extracting features, and aggregates more contextual information, which allows our network to be more robust in weakly textured areas. Second, we construct the matching cost volume with patch-based correlation to handle larger disparities. We also modify the basic encoder-decoder module to regress detailed disparity images with full resolution. Third, instead of using post-processing steps to impose smoothness in the presence of depth discontinuities, we incorporate disparity gradient information as a gradient regularizer into the loss function to preserve local structure details in large depth discontinuity areas. We evaluate our model in terms of end-point-error on several challenging stereo datasets including Scene Flow, Sintel and KITTI. Experimental results demonstrate that our model decreases the estimation error compared with DispNet on most datasets (e.g. we obtain an improvement of 46% on Sintel) and estimates better structure-preserving disparity maps. Moreover, our proposal also achieves competitive performance compared to other methods. Numéro de notice : A2019-496 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.09.012 date de publication en ligne : 27/09/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.09.012 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93729 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019111	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019113	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019112	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Pré-localisation des données pour la modélisation 3D de tunnels : développements et évaluations / Christophe Heinkelé in Revue Française de Photogrammétrie et de Télédétection, n° 221 (novembre 2019)

Public [article]  inRevue Française de Photogrammétrie et de Télédétection > n° 221 (novembre 2019) . - pp 49 - 62 Titre : Pré-localisation des données pour la modélisation 3D de tunnels : développements et évaluations Type de document : Article/Communication Auteurs : Christophe Heinkelé, Auteur ; Philippe Foucher, Auteur ; Emmanuel Moisan, Auteur ; Pierre Charbonnier, Auteur Année de publication : 2019 Article en page(s) : pp 49 - 62 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] coordonnées curvilignes [Termes descripteurs IGN] disparité [Termes descripteurs IGN] modélisation 3D [Termes descripteurs IGN] odomètre [Termes descripteurs IGN] reconstruction 3D [Termes descripteurs IGN] regroupement de données [Termes descripteurs IGN] séquence d'images [Termes descripteurs IGN] SIFT (algorithme) [Termes descripteurs IGN] structure-from-motion [Termes descripteurs IGN] tunnel [Termes descripteurs IGN] visualisation de données Résumé : (Auteur) Le présent article décrit l'implémentation d'une méthode de pré-localisation d'images au sein de grands volumes de données dans des tunnels navigables et routiers. Elle repose sur une technique d'odométrie visuelle simplifiée, rapide et facile à mettre en oeuvre et dont la précision est évaluée par comparaison avec des techniques plus conventionnelles. Nous expliquons comment cette méthode permet de former des sous-ensembles d'images se rapportant à une même coupe transversale de l'ouvrage et présentant un fort taux de recouvrement, appelés "tuiles". Ces sous-ensembles permettent de faciliter la navigation dans les séquences ainsi que les traitements postérieurs, comme par exemple la reconstruction 3D par photogrammétrie. Numéro de notice : A2019-564 Thématique : IMAGERIE/POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94429 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
018-2019021	SL	Revue	Centre de documentation	Revues en salle	Disponible
018-2019022	SL	Revue	Centre de documentation	Revues en salle	Disponible

Potential of Landsat-8 and Sentinel-2A composite for land use land cover analysis / Divyesh Varade in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Permalink

Residences information extraction from Landsat imagery using the multi-parameter decision tree method / Yujie Yang in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Permalink

Segmenting mangrove ecosystems drone images using SLIC superpixels / Edward Zimudzi in Geocarto international, vol 34 n° 14 ([30/10/2019])  

Permalink

Combining machine learning and compact polarimetry for estimating soil moisture from C-Band SAR data / Emanuele Santi in Remote sensing, Vol 11 n° 20 (2 October 2019)  

Permalink

Accurate detection of built-up areas from high-resolution remote sensing imagery using a fully convolutional network / Yihua Tan in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 10 (October 2019)  

Permalink

Considering spatiotemporal processes in big data analysis: Insights from remote sensing of land cover and land use / Alexis Comber in Transactions in GIS, Vol 23 n° 5 (October 2019)  

Permalink

Un été brûlant sous l’oeil des satellites / Laurent Polidori in Géomètre, n° 2173 (octobre 2019)

Permalink

Optimal segmentation of high spatial resolution images for the classification of buildings using random forests / James Bialas in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)  

Permalink

Saliency-guided deep neural networks for SAR image change detection / Jie Geng in IEEE Transactions on geoscience and remote sensing, Vol 57 n° 10 (October 2019)  

Permalink

Using a U-net convolutional neural network to map woody vegetation extent from high resolution satellite imagery across Queensland, Australia / Neil Flood in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)  

Permalink