Descripteur
Termes IGN > 1- Descripteurs géographiques > monde (géographie politique) > Europe (géographie politique) > Union Européenne > France (administrative) > France métropolitaine > Ile-de-France
Ile-de-France
Commentaire :
Paris (France ; région), Région parisienne (France). France (centre), France -- Régions. >>Terme(s) spécifique(s) : Essonne (France), Hauts-de-Seine (France), Paris (France), Seine-et-Marne (France), Seine-Saint-Denis (France), Val-d'Oise (France), Val-de-Marne (France), Yvelines (France), Beauce (France), Brie (France), France, Pays de (France), Hurepoix (France), Paris (France ; agglomération), Vexin français (France), Châtrais (France), Aulnaye (France), Seine-et-Oise (France), Hautil (France). Source(s) : GDEL. Synonyme(s)région parisienneVoir aussi |
Documents disponibles dans cette catégorie (413)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
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)
[article]
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 IGN] analyse d'image orientée objet
[Termes IGN] apprentissage profond
[Termes IGN] base de données urbaines
[Termes IGN] carte d'occupation du sol
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] données localisées des bénévoles
[Termes IGN] données localisées libres
[Termes IGN] Ile-de-France
[Termes IGN] image Streetview
[Termes IGN] image terrestre
[Termes IGN] information géographique
[Termes IGN] méthode heuristique
[Termes IGN] OpenStreetMap
[Termes IGN] réseau socialRésumé : (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 Affiliation des auteurs : non IGN 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
in International journal of geographical information science IJGIS > vol 34 n° 6 (June 2020) . - pp 1117 - 1136[article]Comment cartographier l’occupation du sol en vue de modéliser les réseaux écologiques ? Méthodologie générale et cas d’étude en Île-de-France / Chloé Thierry in Sciences, eaux & territoires, article hors-série n° 65 (mai 2020)
[article]
Titre : Comment cartographier l’occupation du sol en vue de modéliser les réseaux écologiques ? Méthodologie générale et cas d’étude en Île-de-France Type de document : Article/Communication Auteurs : Chloé Thierry, Auteur ; Nicolas Lesieur-Maquin, Auteur ; Cindy Fournier, Auteur ; et al., Auteur Année de publication : 2020 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Cartographie
[Termes IGN] aide à la décision
[Termes IGN] base de données cartographiques
[Termes IGN] BD ortho
[Termes IGN] BD Topo
[Termes IGN] biodiversité
[Termes IGN] carte d'occupation du sol
[Termes IGN] couche thématique
[Termes IGN] données écologiques
[Termes IGN] écosystème
[Termes IGN] Ile-de-France
[Termes IGN] SCAN25
[Termes IGN] théorie des graphes
[Termes IGN] trame verte et bleue
[Termes IGN] zone tamponRésumé : (éditeur) Une cartographie de l’occupation du sol est souvent essentielle aux décideurs et gestionnaires d’espace pour appréhender les enjeux de maintien et de restauration des continuités écologiques favorables au maintien de la biodiversité. Dans cet article, les auteurs présentent une démarche méthodologique qui, à partir des différentes bases de données cartographiques disponibles, a permis de réaliser une cartographie précise de l’occupation du sol pour mieux étudier la connectivité des espaces naturels sur le territoire fortement urbanisé de la région Île-de-France. Numéro de notice : A2020-353 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtSansCL DOI : 10.14758/SET-REVUE.2020.HS.05 Date de publication en ligne : 01/05/2020 En ligne : https://doi.org/10.14758/SET-REVUE.2020.HS.05 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95237
in Sciences, eaux & territoires > article hors-série n° 65 (mai 2020)[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)
[article]
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 IGN] apprentissage profond
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] espace public
[Termes IGN] évaluation foncière
[Termes IGN] extraction de données
[Termes IGN] façade
[Termes IGN] habitat urbain
[Termes IGN] image Streetview
[Termes IGN] immobilier (secteur)
[Termes IGN] information géographique
[Termes IGN] Londres
[Termes IGN] matrice de confusion
[Termes IGN] Paris (75)
[Termes IGN] paysage urbain
[Termes IGN] urbanisme
[Termes IGN] vision par ordinateurRésumé : (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 Affiliation des auteurs : non IGN 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
in International journal of geographical information science IJGIS > vol 34 n° 4 (April 2020) . - pp 681- 707[article]Quels plans de comparaison à Paris avant le nivellement général de la France ? / Alain Coulomb in XYZ, n° 162 (mars 2020)
[article]
Titre : Quels plans de comparaison à Paris avant le nivellement général de la France ? Type de document : Article/Communication Auteurs : Alain Coulomb , Auteur Année de publication : 2020 Article en page(s) : pp 69 - 74 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Systèmes de référence et réseaux
[Termes IGN] carte d'Etat-Major
[Termes IGN] dix-neuvième siècle
[Termes IGN] histoire des sciences et techniques
[Termes IGN] Nivellement Général de la France
[Termes IGN] Paris (75)
[Termes IGN] rattachement métrologique
[Termes IGN] repère de nivellementRésumé : (Auteur) Dans le n° 161 d'XYZ (4ème trimestre 2019), nous avons évoqué les 500 repères de nivellement scellés à Paris dans les années 1830 dont les cotes étaient rapportées à un plan de comparaison situé à 50 m au-dessus du niveau légal des eaux du bassin de la Villette. Mais cette opération était à peine terminée que se posait déjà la question de l'adoption d'une autre référence, et par suite la création d'autres repères de nivellement. C'est ce que nous allons découvrir dans cet article. Le contexte dans lequel sont scellés ces nouveaux repères de nivellement comprend l'extension de la capitale, le souhait de juguler plus facilement les fièvres de ses habitants et enfin la nécessité de rattacher le nivellement de Paris à ceux de la carte de France. Numéro de notice : A2020-869 Affiliation des auteurs : IGN (2020- ) Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99341
in XYZ > n° 162 (mars 2020) . - pp 69 - 74[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 112-2020011 RAB Revue Centre de documentation En réserve L003 Disponible Mise en place d'un nouveau protocole relatif à la mise à jour de données géographiques produites par les Directions du Département des Hauts-de-Seine dans le SIG départemental / Gabriel Dousseau (2020)
Titre : Mise en place d'un nouveau protocole relatif à la mise à jour de données géographiques produites par les Directions du Département des Hauts-de-Seine dans le SIG départemental Type de document : Mémoire Auteurs : Gabriel Dousseau, Auteur Editeur : Paris : Université de Paris 1 Panthéon Sorbonne Année de publication : 2020 Autre Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Importance : 38 p. Format : 21 x 30 cm Note générale : Rapport de stage Licence professionnelle Métiers de la Gestion et de la Protection de l’Environnement Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] ArcGIS online
[Termes IGN] composant d'interface graphique
[Termes IGN] Hauts-de-Seine (92)
[Termes IGN] mise à jour de base de données
[Termes IGN] procédure opérationnelle
[Termes IGN] transmission de donnéesIndex. décimale : LPGE Mémoires de Licence professionnelle géomatique et environnement Résumé : (auteur) Le SIG du Département des Hauts-de-Seine comporte plus de 400 couches géographiques. La mise à jour de ces données occupe une part croissante dans la charge de travail de la cellule SIG-OD du fait d’un contexte de ressources humaines en forte tension et d’un protocole d’actualisation lourd et non automatisé. Une nouvelle procédure était envisagée afin de soulager l’équipe SIG grâce à une simplification et une automatisation du processus de mises à jour actuel, mais n’avait encore pu être initiée. L’objectif de ce stage a consisté à mettre en place ce nouveau protocole pour les données produites par les référents SIG métier. Un nouveau logigramme intégrant ce processus complémentaire dans la chaîne de mise à jour de la donnée a d’abord établi. Ensuite, les couches géographiques les plus propices à être mises à jour par les référents SIG métier ont été identifiées. En parallèle, le script permettant de transférer les couches actualisées entre les bases de données du SIG Départemental a été testé pour détecter d’éventuelles anomalies et les corriger. Enfin, deux applications ArcGIS Online de mise à jour ont été élaborées permettant de simplifier le travail de mise à jour de la donnée. Une a été présentée au référent SIG métier et sera opérationnelle en septembre 2020. Il ne restera que la configuration de l’ordonnanceur à réaliser, de manière à programmer le lancement des scripts selon la fréquence voulue. Cette solution va libérer du temps aux membres de l’unité pour le consacrer à d’autres projets et apporter de l’autonomie les référents SIG métier dans l’actualisation de leurs données. Note de contenu : 1. Introduction
2. Analyse et mise en oeuvre
3. Outil de transfert automatisé des données SIG
4. Création et optimisation de l’application
5. ConclusionNuméro de notice : 25894 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Mémoire licence Organisme de stage : Conseil Départemental des Hauts-de-Seine Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95804 Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 25894-01 LPGE Livre Centre de documentation Travaux d'élèves Disponible Documents numériques
peut être téléchargé
Mise en place d'un nouveau protocole... - pdf auteur-Adobe Acrobat PDF Pratique des relevés en zones urbaines denses intégrant les nouvelles technologies / Théo Laporte (2020)PermalinkPermalinkHistoire du nivellement de Paris : des nouveautés / Alain Coulomb in XYZ, n° 161 (décembre 2019)PermalinkMapping 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)PermalinkL'université Gustave Eiffel vise le sommet / Fanny Perrin d'Arloz in SIGmag, n° 22 (octobre 2019)PermalinkStructural 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)PermalinkLe nivellement de Saint-Germain-en-Laye / Alain Coulomb in XYZ, n° 158 (mars 2019)PermalinkApports des SIG pour la restitution de quelques éléments du paysage à Paris / Léa Hermenault in Cartes & Géomatique, n° 238 (Décembre 2018)PermalinkHistorical collaborative geocoding / Rémi Cura in ISPRS International journal of geo-information, vol 7 n° 7 (July 2018)PermalinkExtraction of pluvial flood relevant volunteered geographic information (VGI) by deep learning from user generated texts and photos / Yu Feng in ISPRS International journal of geo-information, vol 7 n° 2 (February 2018)Permalink