Descripteur
Documents disponibles dans cette catégorie (159)
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
Disaster Image Classification by Fusing Multimodal Social Media Data / Zhiqiang Zou in ISPRS International journal of geo-information, vol 10 n° 10 (October 2021)
[article]
Titre : Disaster Image Classification by Fusing Multimodal Social Media Data Type de document : Article/Communication Auteurs : Zhiqiang Zou, Auteur ; Hongyu Gan, Auteur ; Qunying Huang, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 636 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web
[Termes IGN] analyse visuelle
[Termes IGN] apprentissage profond
[Termes IGN] catastrophe naturelle
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] corpus
[Termes IGN] données issues des réseaux sociaux
[Termes IGN] données localisées des bénévoles
[Termes IGN] données massives
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] fusion de données multisource
[Termes IGN] qualité des données
[Termes IGN] traitement de donnéesNuméro de notice : A2021-803 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10100636 Date de publication en ligne : 24/09/2021 En ligne : https://doi.org/10.3390/ijgi10100636 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98856
in ISPRS International journal of geo-information > vol 10 n° 10 (October 2021) . - n° 636[article]Mapping essential urban land use categories with open big data: Results for five metropolitan areas in the United States of America / Bin Chen in ISPRS Journal of photogrammetry and remote sensing, vol 178 (August 2021)
[article]
Titre : Mapping essential urban land use categories with open big data: Results for five metropolitan areas in the United States of America Type de document : Article/Communication Auteurs : Bin Chen, Auteur ; Ying Tu, Auteur ; Yimeng Song, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 203 - 218 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] algorithme d'apprentissage
[Termes IGN] carte d'utilisation du sol
[Termes IGN] données massives
[Termes IGN] données multisources
[Termes IGN] Etats-Unis
[Termes IGN] extraction de traits caractéristiques
[Termes IGN] image Sentinel-MSI
[Termes IGN] image Sentinel-SAR
[Termes IGN] métropole
[Termes IGN] OpenStreetMap
[Termes IGN] planification urbaine
[Termes IGN] zone urbaineRésumé : (auteur) Urban land-use maps outlining the distribution, pattern, and composition of various land use types are critically important for urban planning, environmental management, disaster control, health protection, and biodiversity conservation. Recent advances in remote sensing and social sensing data and methods have shown great potentials in mapping urban land use categories, but they are still constrained by mixed land uses, limited predictors, non-localized models, and often relatively low accuracies. To inform these issues, we proposed a robust and cost-effective framework for mapping urban land use categories using openly available multi-source geospatial “big data”. With street blocks generated from OpenStreetMap (OSM) data as the minimum classification unit, we integrated an expansive set of multi-scale spatially explicit information on land surface, vertical height, socio-economic attributes, social media, demography, and topography. We further proposed to apply the automatic ensemble learning that leverages a bunch of machine learning algorithms in deriving optimal urban land use classification maps. Results of block-level urban land use classification in five metropolitan areas of the United States found the overall accuracies of major-class (Level-I) and minor-class (Level-II) classification could be high as 91% and 86%, respectively. A multi-model comparison revealed that for urban land use classification with high-dimensional features, the multi-layer stacking ensemble models achieved better performance than base models such as random forest, extremely randomized trees, LightGBM, CatBoost, and neural networks. We found without very-high-resolution National Agriculture Imagery Program imagery, the classification results derived from Sentinel-1, Sentinel-2, and other open big data based features could achieve plausible overall accuracies of Level-I and Level-II classification at 88% and 81%, respectively. We also found that model transferability depended highly on the heterogeneity in characteristics of different regions. The methods and findings in this study systematically elucidate the role of data sources, classification methods, and feature transferability in block-level land use classifications, which have important implications for mapping multi-scale essential urban land use categories. Numéro de notice : A2021-564 Affiliation des auteurs : non IGN Thématique : IMAGERIE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.06.010 Date de publication en ligne : 25/06/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.06.010 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98129
in ISPRS Journal of photogrammetry and remote sensing > vol 178 (August 2021) . - pp 203 - 218[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2021081 SL Revue Centre de documentation Revues en salle Disponible 081-2021083 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2021082 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Digital camera calibration for cultural heritage documentation: the case study of a mass digitization project of religious monuments in Cyprus / Evagoras Evagorou in European journal of remote sensing, vol 54 sup 1 (2021)
[article]
Titre : Digital camera calibration for cultural heritage documentation: the case study of a mass digitization project of religious monuments in Cyprus Type de document : Article/Communication Auteurs : Evagoras Evagorou, Auteur ; Christodoulos Mettas, Auteur ; Athos Agapiou, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 6 - 17 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Acquisition d'image(s) et de donnée(s)
[Termes IGN] Agisoft Photoscan
[Termes IGN] auto-étalonnage
[Termes IGN] Chypre
[Termes IGN] distorsion d'image
[Termes IGN] données massives
[Termes IGN] édifice religieux
[Termes IGN] étalonnage d'instrument
[Termes IGN] patrimoine culturel
[Termes IGN] point d'appui
[Termes IGN] texture d'image
[Termes IGN] vision par ordinateur
[Termes IGN] visualisation 3DRésumé : (auteur) The paper summarizes the methodology followed, to evaluate the accuracy of different digitization methods of ecclesiastical monuments in 3D computer vision form and stresses the importance of photographic equipment calibration. In this study, a set of images were taken using the CANON EOS M5 digital camera, while the internal calibration parameters – horizontal and vertical focal length (fx, fy), principal point coordinates (x0, y0), radial distortion coefficients (K1, K2, K3), tangential distortion coefficients (P1, P2) and the affinity and the shear terms (b1, b2) were estimated. These parameters were calculated using different software applications and then analyzed. For the calibration procedure, 3D texture models were built with the Agisoft commercial software based on: (a) the aforementioned calibration parameters and (b) the self-calibration process. The overall accuracy (Root Mean Square – RMS) between these models, by comparing known geo-referenced ground-control-points (GCP) is presented through the Cloud Compare software. The results indicate that the internal calibration parameters of the digital camera used for documentation purposes are essential and should be systematically implemented for documentation purposes. Numéro de notice : A2021-816 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Atlas DOI : 10.1080/22797254.2020.1810131 Date de publication en ligne : 02/09/2020 En ligne : https://doi.org/10.1080/22797254.2020.1810131 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98902
in European journal of remote sensing > vol 54 sup 1 (2021) . - pp 6 - 17[article]La géovisualisation de données massives sur le Web : entre avancées technologiques et évolutions cartographiques / Boris Mericskay in Mappemonde, n° 131 (juillet 2021)
[article]
Titre : La géovisualisation de données massives sur le Web : entre avancées technologiques et évolutions cartographiques Type de document : Article/Communication Auteurs : Boris Mericskay, Auteur Année de publication : 2021 Article en page(s) : n° 5595 Note générale : bibliographie Langues : Français (fre) Descripteur : [Termes IGN] 3D Tiles
[Termes IGN] agrégation de données
[Termes IGN] cartographie des flux
[Termes IGN] dalle
[Termes IGN] données localisées 3D
[Termes IGN] données massives
[Termes IGN] données vectorielles
[Termes IGN] interactivité
[Termes IGN] représentation continue
[Termes IGN] représentation discrète
[Termes IGN] visualisation 3D
[Termes IGN] vue immersive
[Termes IGN] webGL
[Vedettes matières IGN] GéovisualisationRésumé : (auteur) Les avancées techniques autour de la visualisation de données volumineuses et l’affichage en 3D au sein de navigateurs Web viennent renouveler les pratiques de géovisualisation. Des modes basés sur l’agrégation à l’extrusion 3D en passant par les fonds de cartes personnalisés, le visage des cartes en ligne se transforme. Afin de bien comprendre cette forme de cartographie émergente et les enjeux sous-jacents, cet article questionne les logiques et les modes de représentation cartographique des données volumineuses qui prennent forme sur le Web au prisme des technologies émergentes et des usages associés. Numéro de notice : A2021-603 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Article DOI : 10.4000/mappemonde.5595 En ligne : https://doi.org/10.4000/mappemonde.5595 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98341
in Mappemonde > n° 131 (juillet 2021) . - n° 5595[article]Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery / Neema Nicodemus Lyimo in Photogrammetric Engineering & Remote Sensing, PERS, vol 87 n° 5 (May 2021)
[article]
Titre : Quality assessment of heterogeneous training data sets for classification of urban area with Landsat imagery Type de document : Article/Communication Auteurs : Neema Nicodemus Lyimo, Auteur ; Fang Luo, Auteur ; Qimin Cheng, Auteur ; Hao Peng, Auteur Année de publication : 2021 Article en page(s) : pp 339-348 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées
[Termes IGN] appariement d'images
[Termes IGN] distance euclidienne
[Termes IGN] données d'entrainement (apprentissage automatique)
[Termes IGN] données hétérogènes
[Termes IGN] données localisées des bénévoles
[Termes IGN] données massives
[Termes IGN] données ouvertes
[Termes IGN] image Landsat
[Termes IGN] incertitude des données
[Termes IGN] jeu de données localisées
[Termes IGN] qualité des données
[Termes IGN] système à base de connaissances
[Termes IGN] zone urbaineRésumé : (Auteur) Quality assessment of training samples collected from heterogeneous sources has received little attention in the existing literature. Inspired by Euclidean spectral distance metrics, this article derives three quality measures for modeling uncertainty in spectral information of open-source heterogeneous training samples for classification with Landsat imagery. We prepared eight test case data sets from volunteered geographic information and open government data sources to assess the proposed measures. The data sets have significant variations in quality, quantity, and data type. A correlation analysis verifies that the proposed measures can successfully rank the quality of heterogeneous training data sets prior to the image classification task. In this era of big data, pre-classification quality assessment measures empower research scientists to select suitable data sets for classification tasks from available open data sources. Research findings prove the versatility of the Euclidean spectral distance function to develop quality metrics for assessing open-source training data sets with varying characteristics for urban area classification. Numéro de notice : A2021-366 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.14358/PERS.87.5.339 Date de publication en ligne : 01/05/2021 En ligne : https://doi.org/10.14358/PERS.87.5.339 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97695
in Photogrammetric Engineering & Remote Sensing, PERS > vol 87 n° 5 (May 2021) . - pp 339-348[article]Exemplaires(1)
Code-barres Cote Support Localisation Section Disponibilité 105-2021051 SL Revue Centre de documentation Revues en salle Disponible Understanding collective human movement dynamics during large-scale events using big geosocial data analytics / Junchuan Fan in Computers, Environment and Urban Systems, vol 87 (May 2021)PermalinkDecision-level and feature-level integration of remote sensing and geospatial big data for urban land use mapping / Jiadi Yin in Remote sensing, vol 13 n° 8 (April-2 2021)PermalinkA user-driven process for INSPIRE-compliant land use database: example from Wallonia, Belgium / Benjamin Beaumont in Annals of GIS, vol 27 n° 2 (April 2021)PermalinkPermalinkPermalinkPermalinkIntégration et analyse de données massives et hétérogènes pour une observation intelligente du territoire / Rodrigue Kafando (2021)PermalinkPermalinkPermalinkPermalink