Centre dedocumentation
scientifique

Pyramid scene parsing network in 3D: Improving semantic segmentation of point clouds with multi-scale contextual information / Hao Fang in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 154 (August 2019) . - pp 246 - 258 Titre : Pyramid scene parsing network in 3D: Improving semantic segmentation of point clouds with multi-scale contextual information Type de document : Article/Communication Auteurs : Hao Fang, Auteur ; Florent Lafarge, Auteur Année de publication : 2019 Article en page(s) : pp 246 - 258 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] compréhension de l'image [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] prise en compte du contexte [Termes descripteurs IGN] représentation multiple [Termes descripteurs IGN] scène [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] semis de points Résumé : (Auteur) Analyzing and extracting geometric features from 3D data is a fundamental step in 3D scene understanding. Recent works demonstrated that deep learning architectures can operate directly on raw point clouds, i.e. without the use of intermediate grid-like structures. These architectures are however not designed to encode contextual information in-between objects efficiently. Inspired by a global feature aggregation algorithm designed for images (Zhao et al., 2017), we propose a 3D pyramid module to enrich pointwise features with multi-scale contextual information. Our module can be easily coupled with 3D semantic segmentation methods operating on 3D point clouds. We evaluated our method on three large scale datasets with four baseline models. Experimental results show that the use of enriched features brings significant improvements to the semantic segmentation of indoor and outdoor scenes. Numéro de notice : A2019-271 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.06.010 date de publication en ligne : 01/07/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.06.010 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93089 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019081	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019083	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019082	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Multiscale cartographic visualization of harmonized datasets / Peter Kunz in International journal of cartography, vol 5 n° 2-3 (July - November 2019)  

Public [article]  inInternational journal of cartography > vol 5 n° 2-3 (July - November 2019) . - pp 178 - 194 Titre : Multiscale cartographic visualization of harmonized datasets Type de document : Article/Communication Auteurs : Peter Kunz, Auteur ; Joachim Bobrich, Auteur Congrès : Congrès: ICC 2019, 29th International Cartographic Conference ICA Mapping everything for everyone (15 - 20 July 2019; Tokyo, Japan), Commanditaire Année de publication : 2019 Article en page(s) : pp 178 - 194 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] Allemagne [Termes descripteurs IGN] cartographie topographique [Termes descripteurs IGN] échelle cartographique [Termes descripteurs IGN] geoportail [Termes descripteurs IGN] intégration de données [Termes descripteurs IGN] OpenStreetMap [Termes descripteurs IGN] PostGIS [Termes descripteurs IGN] représentation multiple [Termes descripteurs IGN] stockage de données [Vedettes matières IGN] Géovisualisation Résumé : (Auteur) With the product TopPlusOpen, the Federal Agency for Cartography and Geodesy (BKG) has for the first time provided a freely accessible web map, which is based entirely on open or free data sources. For this purpose, the BKG processed and combined many different data sources in order to achieve the best possible map presentation. Among others, free official spatial data of the Federal Government and the Open Data states Berlin, Hamburg, North Rhine-Westphalia and Thuringia are presented in the product. Furthermore, Brandenburg, Mecklenburg-Western Pomerania and Rhineland-Palatinate provide their official spatial data for TopPlusOpen based on a cooperation agreement so that also these states are presented exclusively by official data. The services of the TopPlusOpen were released in September 2017. The product was very well received by the public, private and scientific sectors and is already used as a background map in many geoportals. The free access and the cross-border map presentation are especially mentioned. Numéro de notice : A2019-236 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/23729333.2019.1610931 date de publication en ligne : 13/05/2019 En ligne : https://doi.org/10.1080/23729333.2019.1610931 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92935 [article]

Learning high-level features by fusing multi-view representation of MLS point clouds for 3D object recognition in road environments / Zhipeng Luo in ISPRS Journal of photogrammetry and remote sensing, vol 150 (April 2019)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 150 (April 2019) . - pp 44 - 58 Titre : Learning high-level features by fusing multi-view representation of MLS point clouds for 3D object recognition in road environments Type de document : Article/Communication Auteurs : Zhipeng Luo, Auteur ; Jonathan Li, Auteur ; Zhenlong Xiao, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 44 - 58 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] données localisées 3D [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] fusion de données [Termes descripteurs IGN] jointure spatiale [Termes descripteurs IGN] objet 3D [Termes descripteurs IGN] reconnaissance d'objet [Termes descripteurs IGN] représentation multiple [Termes descripteurs IGN] réseau neuronal convolutif [Termes descripteurs IGN] semis de points Résumé : (Auteur) Most existing 3D object recognition methods still suffer from low descriptiveness and weak robustness although remarkable progress has made in 3D computer vision. The major challenge lies in effectively mining high-level 3D shape features. This paper presents a high-level feature learning framework for 3D object recognition through fusing multiple 2D representations of point clouds. The framework has two key components: (1) three discriminative low-level 3D shape descriptors for obtaining multi-view 2D representation of 3D point clouds. These descriptors preserve both local and global spatial relationships of points from different perspectives and build a bridge between 3D point clouds and 2D Convolutional Neural Networks (CNN). (2) A two-stage fusion network, which consists of a deep feature learning module and two fusion modules, for extracting and fusing high-level features. The proposed method was tested on three datasets, one of which is Sydney Urban Objects dataset and the other two were acquired by a mobile laser scanning (MLS) system along urban roads. The results obtained from comprehensive experiments demonstrated that our method is superior to the state-of-the-art methods in descriptiveness, robustness and efficiency. Our method achieves high recognition rates of 94.6%, 93.1% and 74.9% on the above three datasets, respectively. Numéro de notice : A2019-137 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.01.024 date de publication en ligne : 16/02/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.01.024 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92468 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2019041	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2019043	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2019042	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

A light and faster regional convolutional neural network for object detection in optical remote sensing images / Peng Ding in ISPRS Journal of photogrammetry and remote sensing, vol 141 (July 2018)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 141 (July 2018) . - pp 208 - 218 Titre : A light and faster regional convolutional neural network for object detection in optical remote sensing images Type de document : Article/Communication Auteurs : Peng Ding, Auteur ; Ye Zhang, Auteur ; Wei-Jian Deng, Auteur ; Ping Jia, Auteur ; Arjan Kuijper, Auteur Année de publication : 2018 Article en page(s) : pp 208 - 218 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image terrestre [Termes descripteurs IGN] représentation multiple [Termes descripteurs IGN] réseau neuronal convolutif Résumé : (auteur) Detection of objects from satellite optical remote sensing images is very important for many commercial and governmental applications. With the development of deep convolutional neural networks (deep CNNs), the field of object detection has seen tremendous advances. Currently, objects in satellite remote sensing images can be detected using deep CNNs. In general, optical remote sensing images contain many dense and small objects, and the use of the original Faster Regional CNN framework does not yield a suitably high precision. Therefore, after careful analysis we adopt dense convoluted networks, a multi-scale representation and various combinations of improvement schemes to enhance the structure of the base VGG16-Net for improving the precision. We propose an approach to reduce the test-time (detection time) and memory requirements. To validate the effectiveness of our approach, we perform experiments using satellite remote sensing image datasets of aircraft and automobiles. The results show that the improved network structure can detect objects in satellite optical remote sensing images more accurately and efficiently. Numéro de notice : A2018-288 Thématique : IMAGERIE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.05.005 date de publication en ligne : 14/05/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.05.005 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90403 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018071	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2018073	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2018072	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Synchronising geometric representations for map mashups using relative positioning and Linked Data / Weiming Huang in International journal of geographical information science IJGIS, vol 32 n° 5-6 (May - June 2018)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 32 n° 5-6 (May - June 2018) . - pp 1117 - 1137 Titre : Synchronising geometric representations for map mashups using relative positioning and Linked Data Type de document : Article/Communication Auteurs : Weiming Huang, Auteur ; Ali Mansourian, Auteur ; Ehsan Abdolmajidi, Auteur ; Haiqi Xu, Auteur ; Lars Harrie, Auteur Année de publication : 2018 Article en page(s) : pp 1117 - 1137 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] application composite [Termes descripteurs IGN] géovisualisation [Termes descripteurs IGN] modèle conceptuel de données localisées [Termes descripteurs IGN] positionnement différentiel [Termes descripteurs IGN] représentation multiple [Termes descripteurs IGN] SPARQL [Termes descripteurs IGN] synchronisation [Termes descripteurs IGN] Web des données Résumé : (Auteur) Map mashups, as a common way of presenting geospatial information on the Web, are generally created by spatially overlaying thematic information on top of various base maps. This simple overlay approach often raises geometric deficiencies due to geometric uncertainties in the data. This issue is particularly apparent in a multi-scale context because the thematic data seldom have synchronised level of detail with the base map. In this study, we propose, develop, implement and evaluate a relative positioning approach based on shared geometries and relative coordinates to synchronise geometric representations for map mashups through several scales. To realise the relative positioning between datasets, we adopt a Linked Data–based technical framework in which the data are organised according to ontologies that are designed based on the GeoSPARQL vocabulary. A prototype system is developed to demonstrate the feasibility and usability of the relative positioning approach. The results show that the approach synchronises and integrates the geometries of thematic data and the base map effectively, and the thematic data are automatically tailored for multi-scale visualisation. The proposed framework can be used as a new way of modelling geospatial data on the Web, with merits in terms of both data visualisation and querying. Numéro de notice : A2018-201 Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1441416 date de publication en ligne : 01/03/2018 En ligne : https://doi.org/10.1080/13658816.2018.1441416 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89870 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2018031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Progressive amalgamation of building clusters for map generalization based on scaling subgroups / Xianjin He in ISPRS International journal of geo-information, vol 7 n° 3 (March 2018)  

Permalink

Labelling hierarchy for street maps using centrality measures / Wasim Shoman in Cartographic journal (the), vol 55 n° 1 (February 2018)  

Permalink

Généralisation de représentations intermédiaires dans une carte topographique multi-échelle pour faciliter la navigation de l’utilisateur / Marion Dumont (2018) 

Permalink

MapMuxing : multiplexing cartographique pour la gestion de crise / Charlotte Hoarau (2018) 

Permalink

Simulation de formes réalistes de développement résidentiel, de l'échelle du bâtiment à celle de l'ensemble d'une région urbaine / Maxime Colomb (2018) 

Permalink

Alternative transitions between existing representations in multi-scale maps / Marion Dumont (2017)  

Permalink

Fourier-based multi-scale representation and progressive transmission of cartographic curves on the internet / Pengcheng Liu in Cartography and Geographic Information Science, vol 43 n° 5 (November 2016)  

Permalink

Relevé topographique des environnements urbains [article originellement paru dans le numéro mai/juin 2016 de la revue italienne GEOMedia] / Luigi Colombo in Géomatique expert, n° 113 (novembre - décembre 2016)

Permalink

An improved LOD specification for 3D building models / Filip Biljecki in Computers, Environment and Urban Systems, vol 59 (September 2016)  

Permalink

Modelling the spatial evolution of map objects by map agents / Shen Ying in Geocarto international, vol 31 n° 3 - 4 (March - April 2016)  

Permalink