Descripteur
Termes IGN > mathématiques > statistique mathématique > analyse de données > classification > classification dirigée
classification dirigéeSynonyme(s)classification superviséeVoir aussi |
Documents disponibles dans cette catégorie (463)
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
Use of satellite image classifications to update and enhance a land cover database / Mohamed Touiti (2018)
Titre : Use of satellite image classifications to update and enhance a land cover database Type de document : Mémoire Auteurs : Mohamed Touiti, Auteur ; Arnaud Le Bris , Encadrant Editeur : Tunis [Tunisie] : Ecole nationale d'ingénieurs de Carthage Année de publication : 2018 Importance : 90 p. Note générale : bibliographie
End of study project report, Software Engineering Training, Cycle Major : Information SystemsLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] classification dirigée
[Termes IGN] classification non dirigée
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] détection de changement
[Termes IGN] fusion d'images
[Termes IGN] image Sentinel-MSI
[Termes IGN] image SPOT 6
[Termes IGN] OpenCV
[Termes IGN] Python (langage de programmation)Résumé : (auteur) L’équipe MATIS du Laboratoire LaSTIG de l’Institut National de l’Information Géo graphique et Forestière (IGN) mène depuis plusieurs années des activités de recherches dans le domaine de la classification de données de télédétection pour l’occupation des sols (OCS), en zones urbaines et rurales. Avec l’arrivée des nouveaux capteurs Sentinel S1 (radar) et Sentinel S2 (optique), des séries temporelles d’images sont désormais disponibles gratuitement avec une forte résolution temporelle (entre 10 et 15 jours) et une forte résolution spectrale pour les images optiques. Par ailleurs, le territoire français fait également l’objet d’une couverture annuelle par des images à très haute résolution spatiale des satellites SPOT 6/7. Dans l’objectif de couvrir l’ensemble du territoire français par la cartographie de la couverture du sol à travers la classification sémantique des images de télédétection, ce stage a pour objectif de contribuer au processus de mise à jour des bases de données de couverture du sol et de fournir un outil fiable pour détecter les changements entre la base de données d’occupation du sol et les classifications d’images SPOT6 et Sentinel-2. Dans cette étude, nous avons implémenté et testé deux approches différentes pour la détection des changements, en utilisant la fusion et la régularisation des classifications individuelles des images satellites Sentinel-2 et SPOT-6. La fusion d’images multispectrales à très haute résolution spatiale avec des séries temporelles d’images à faible résolution spatiale avec un nombre élevé de bandes pourrait améliorer la classification de la couverture terrestre, en combinant les avantages géométriques et sémantiques des deux sources. La première approche est une approche non supervisée sur laquelle nous avons appliqué une classification non supervisée et une régularisation afin de lisser le bruit et de nous donner des résultats plus attrayants visuellement. Cela pourrait aussi donner une classification binaire (classe / pas de classe) alors nous nous sommes concentrés sur la classe "bâtiments", c’est la classe la plus fréquemment changée. Ainsi, nous avons obtenu une classification binaire des bâtiments/non-bâtiments considérés comme nos résultats et avons atteint une exhaustivité de 75% avec une exactitude proche de 70%, mais il existe une certaine confusion dans les zones surpeuplées. La seconde approche consiste en une approche supervisée dans laquelle nous avons utilisé un réseau de neurones convolutif pour détecter les changements. Ainsi, nous avons obtenu des résultats bien meilleurs, avec une précision de 94,95%, même si des améliorations de l’architecture pourraient être nécessaires pour obtenir des résultats satisfaisants. Note de contenu : General introduction
1- The general context
2- State of the art
3- Study areas ad data
4- Change detection
5- CNN for change detection
General conclusionNuméro de notice : 17320 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire ingénieur Organisme de stage : LaSTIG (IGN) DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98343 Documents numériques
peut être téléchargé
Use of satellite image classifications ... - pdf auteurAdobe Acrobat PDF Utilisation de QGIS en télédétection, Volume 2. QGIS et applications en agriculture et forêt / Nicolas Baghdadi (2018)
Titre de série : Utilisation de QGIS en télédétection, Volume 2 Titre : QGIS et applications en agriculture et forêt Type de document : Monographie Auteurs : Nicolas Baghdadi, Éditeur scientifique ; Clément Mallet , Éditeur scientifique ; Mehrez Zribi, Éditeur scientifique Editeur : Londres : ISTE Editions Année de publication : 2018 Collection : Système Terre - Environnement Importance : 374 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-1-78405-336-9 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes IGN] cartographie thématique
[Termes IGN] classification dirigée
[Termes IGN] image optique
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] QGIS
[Termes IGN] télédétection spatialeIndex. décimale : 37.35 Logiciels SIG Résumé : (Editeur) L’agriculture et la foresterie sont des domaines fortement engagés dans l’utilisation des données spatiales, essentielles pour restituer la variabilité spatio-temporelle des états des surfaces. Une très bonne connaissance de ces milieux est fondamentale à la fois d’un point de vue économique et environnemental. Dans ce contexte, l’utilisation des outils SIG est depuis longtemps présente dans l’accompagnement de l’exploitation de l’imagerie spatiale. QGIS et applications en agriculture et forêt présente différents exemples en agriculture et en foresterie. Il est porté par des scientifiques de renommée internationale dans leurs domaines et est destiné aux équipes de recherche en géomatique, aux étudiants en 2e et 3e cycle universitaire et aux ingénieurs impliqués dans le suivi et la gestion des ressources agricoles ou forestières, et plus fondamentalement dans l’extraction des connaissances nécessaires à ces besoins. Cet ouvrage donne accès aux données et outils informatiques ainsi qu’aux copies d’écran de toutes les fenêtres qui illustrent les manipulations nécessaires à la réalisation de chaque application. Note de contenu : 1. Estimation de l’humidité du sol par couplage d’images radar et optique
2. Désagrégation des images thermiques
3. Extraction automatique du parcellaire agricole à partir d’images de télédétection et du registre parcellaire graphique sous QGIS/OTB
4. Cartographie de l’occupation du sol à partir d’images Sentinel-2 et du plugin Semi Automatic Classification : l’exemple du nord du Burkina Faso
5. Détection et cartographie des coupes rases par télédétection satellitaire optique
6. Cartographie de la végétation à partir d’images radar Sentinel-1
7. Télédétection des formations végétales particulières de la forêt amazonienne guyanaise
8. Cartographie physionomique de la végétation naturelle
9. Classification de la physionomie paysagère de montagne par classification supervisée orientée « objet »Numéro de notice : 22860B Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Thématique : FORET/GEOMATIQUE/IMAGERIE Nature : Recueil / ouvrage collectif nature-HAL : DirectOuvrColl/Actes DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89227 Voir aussi
- Utilisation de QGIS en télédétection, Volume 1. QGIS et outils génériques / Nicolas Baghdadi (2018)
- Utilisation de QGIS en télédétection, Volume 3. QGIS et applications en aménagement du territoire / Nicolas Baghdadi (2018)
- Utilisation de QGIS en télédétection, Volume 4. QGIS et applications en eau et risques / Nicolas Baghdadi (2018)
- QGIS in Remote Sensing, Volume 2. QGIS and applications in agriculture and forest / Nicolas Baghdadi (2018)
- Uso de QGIS en la teledetección, Vol. 2. QGIS y sus aplicaciones en la agricultura y la silvicultura / Nicolas Baghdadi (2020)
ContientRéservation
Réserver ce documentExemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 22860-01B 37.35 Livre Centre de documentation Géomatique Disponible Le vandalisme dans l’information géographique volontaire : apprendre pour mieux détecter ? / Quy Thy Truong (2018)
contenu dans Actes de Conférence SAGEO 2018 - Spatial Analysis and GEOmatics, 6 au 9 novembre 2018 Montpellier, France / Maguelonne Teisseire (2018)
Titre : Le vandalisme dans l’information géographique volontaire : apprendre pour mieux détecter ? Type de document : Article/Communication Auteurs : Quy Thy Truong , Auteur ; Guillaume Touya , Auteur ; Cyril de Runz, Auteur Editeur : Montpellier : Centre de Coopération Internationale en recherche agronomique pour le Développement CIRAD Année de publication : 2018 Projets : 1-Pas de projet / Conférence : SAGEO 2018, Spatial Analysis and GEOmatics 06/11/2018 09/11/2018 Montpellier France Open Access Proceedings Importance : pp 61 - 76 Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] classification dirigée
[Termes IGN] données localisées des bénévoles
[Termes IGN] OpenStreetMap
[Termes IGN] qualité des donnéesRésumé : (auteur) Dans un contexte où le vandalisme de l’information géographique volontaire constitue une réelle menace pour la qualité des données, cet article propose d’explorer les différentes techniques permettant de le détecter. Tout d’abord, nous tâchons d’examiner les différentes définitions du vandalisme, mettant en avant la complexité de cette notion. Puis, nous expérimentons la détection du vandalisme des données OpenStreetMap (OSM) en utilisant une méthode de détection d’anomalie par classification non-supervisée. L’analyse de nos résultats initiaux conduit alors à une discussion sur la pertinence de construire un corpus de vandalisme des données OSM utilisable dans un contexte de classification supervisée. // As vandalism is a serious matter for the quality of Volunteered Geographic Information, this paper aims at exploring learning techniques that enable its detection. First, a focus on the various definitions of vandalism highlights the complexity of this concept. Second, we present an experimental vandalism detection on OpenStreetMap (OSM) data using a clustering-based outlier detection. The analysis of initial results leads to a discussion about the construction of an OSM vandalism corpus that would be useful in a supervised learning context. Numéro de notice : 2018-055 Affiliation des auteurs : LASTIG COGIT+Ext (2012-2019) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91369 Documents numériques
en open access
Le vandalisme dans l'IGV ... - pdf éditeurAdobe Acrobat PDF Joint classification and contour extraction of large 3D point clouds / Timo Hackel in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)
[article]
Titre : Joint classification and contour extraction of large 3D point clouds Type de document : Article/Communication Auteurs : Timo Hackel, Auteur ; Jan Dirk Wegner, Auteur ; Konrad Schindler, Auteur Année de publication : 2017 Article en page(s) : pp 231 - 245 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] attribut sémantique
[Termes IGN] classification dirigée
[Termes IGN] compréhension de l'image
[Termes IGN] densité des points
[Termes IGN] détection de contours
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] données massives
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsRésumé : (Auteur) We present an effective and efficient method for point-wise semantic classification and extraction of object contours of large-scale 3D point clouds. What makes point cloud interpretation challenging is the sheer size of several millions of points per scan and the non-grid, sparse, and uneven distribution of points. Standard image processing tools like texture filters, for example, cannot handle such data efficiently, which calls for dedicated point cloud labeling methods. It turns out that one of the major drivers for efficient computation and handling of strong variations in point density, is a careful formulation of per-point neighborhoods at multiple scales. This allows, both, to define an expressive feature set and to extract topologically meaningful object contours.
Semantic classification and contour extraction are interlaced problems. Point-wise semantic classification enables extracting a meaningful candidate set of contour points while contours help generating a rich feature representation that benefits point-wise classification. These methods are tailored to have fast run time and small memory footprint for processing large-scale, unstructured, and inhomogeneous point clouds, while still achieving high classification accuracy. We evaluate our methods on the semantic3d.net benchmark for terrestrial laser scans with
points.Numéro de notice : A2017-515 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2017.05.012 En ligne : https://doi.org/10.1016/j.isprsjprs.2017.05.012 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86476
in ISPRS Journal of photogrammetry and remote sensing > vol 130 (August 2017) . - pp 231 - 245[article]Réservation
Réserver ce documentExemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2017081 RAB Revue Centre de documentation En réserve L003 Disponible 081-2017083 DEP-EXM Revue LASTIG Dépôt en unité Exclu du prêt 081-2017082 DEP-EAF Revue Nancy Dépôt en unité Exclu du prêt Learning and transferring deep joint spectral–spatial features for hyperspectral classification / Jingxiang Yang in IEEE Transactions on geoscience and remote sensing, vol 55 n° 8 (August 2017)
[article]
Titre : Learning and transferring deep joint spectral–spatial features for hyperspectral classification Type de document : Article/Communication Auteurs : Jingxiang Yang, Auteur ; Yong-Qiang Zhao, Auteur ; Jonathan Cheung-Wai Chan, Auteur Année de publication : 2017 Article en page(s) : pp 4729 - 4742 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] classification dirigée
[Termes IGN] classification par réseau neuronal
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] filtrage numérique d'image
[Termes IGN] image AVIRIS
[Termes IGN] image hyperspectrale
[Termes IGN] image ROSIS
[Termes IGN] réseau neuronal convolutifRésumé : (Auteur) Feature extraction is of significance for hyperspectral image (HSI) classification. Compared with conventional hand-crafted feature extraction, deep learning can automatically learn features with discriminative information. However, two issues exist in applying deep learning to HSIs. One issue is how to jointly extract spectral features and spatial features, and the other one is how to train the deep model when training samples are scarce. In this paper, a deep convolutional neural network with two-branch architecture is proposed to extract the joint spectral-spatial features from HSIs. The two branches of the proposed network are devoted to features from the spectral domain as well as the spatial domain. The learned spectral features and spatial features are then concatenated and fed to fully connected layers to extract the joint spectral-spatial features for classification. When the training samples are limited, we investigate the transfer learning to improve the performance. Low and mid-layers of the network are pretrained and transferred from other data sources; only top layers are trained with limited training samples extracted from the target scene. Experiments on Airborne Visible/Infrared Imaging Spectrometer and Reflective Optics System Imaging Spectrometer data demonstrate that the learned deep joint spectral-spatial features are discriminative, and competitive classification results can be achieved when compared with state-of-the-art methods. The experiments also reveal that the transferred features boost the classification performance. Numéro de notice : A2017-503 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2017.2698503 En ligne : http://dx.doi.org/10.1109/TGRS.2017.2698503 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=86448
in IEEE Transactions on geoscience and remote sensing > vol 55 n° 8 (August 2017) . - pp 4729 - 4742[article]Object-based analysis of multispectral airborne laser scanner data for land cover classification and map updating / Leena Matikainen in ISPRS Journal of photogrammetry and remote sensing, vol 128 (June 2017)PermalinkTotal canopy transmittance estimated from small-footprint, full-waveform airborne LiDAR / Milutin Milenković in ISPRS Journal of photogrammetry and remote sensing, vol 128 (June 2017)PermalinkAn internal crown geometric model for conifer species classification with high-density LiDAR data / Aravind Harikumar in IEEE Transactions on geoscience and remote sensing, vol 55 n° 5 (May 2017)PermalinkApproche d’estimation du volume-tige de peuplements forestiers par combinaison de données Landsat et données terrain : Application à la pineraie de Tlemcen-Algérie / Kada Bencherif in Revue Française de Photogrammétrie et de Télédétection, n° 215 (mai - août 2017)PermalinkSelf-taught feature learning for hyperspectral image classification / Ronald Kemker in IEEE Transactions on geoscience and remote sensing, vol 55 n° 5 (May 2017)PermalinkTélédétection et photogrammétrie pour l'étude de la dynamique de l’occupation du sol dans le bassin versant de l’oued Chiba (Cap-Bon, Tunisie) / Anis Gasmi in Revue Française de Photogrammétrie et de Télédétection, n° 215 (mai - août 2017)PermalinkHyperspectral band selection from statistical wavelet models / Siwei Feng in IEEE Transactions on geoscience and remote sensing, vol 55 n° 4 (April 2017)PermalinkSemantic segmentation of forest stands of pure species combining airborne lidar data and very high resolution multispectral imagery / Clément Dechesne in ISPRS Journal of photogrammetry and remote sensing, vol 126 (April 2017)PermalinkTransferability of multi- and hyperspectral optical biocrust indices / Emilio Rodríguez-Caballero in ISPRS Journal of photogrammetry and remote sensing, vol 126 (April 2017)PermalinkAttribute profiles on derived features for urban land cover classification / Bharath Bhushan Damodaran in Photogrammetric Engineering & Remote Sensing, PERS, vol 83 n° 3 (March 2017)Permalink