Centre dedocumentation
scientifique

Generating geographical location descriptions with spatial templates: a salient toponym driven approach / Mark M. Hall in International journal of geographical information science IJGIS, vol 36 n° 1 (January 2022)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 36 n° 1 (January 2022) . - pp 55 - 85 Titre : Generating geographical location descriptions with spatial templates: a salient toponym driven approach Type de document : Article/Communication Auteurs : Mark M. Hall, Auteur ; Christopher B. Jones, Auteur Année de publication : 2022 Article en page(s) : pp 55 - 85 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Toponymie [Termes IGN] image Flickr [Termes IGN] OpenStreetMap [Termes IGN] relation spatiale [Termes IGN] répertoire toponymique [Termes IGN] saillance [Termes IGN] toponyme [Termes IGN] traitement du langage naturel Résumé : (auteur) Natural language descriptions of geographical locations are used frequently in daily life and there is a motivation to create systems that generate such descriptions automatically, for purposes such as documentation of where events have taken place, where a person is located, where photos were taken and where plants and animals are located. Typically location descriptions combine references to named geographical features with vague spatial relational terms, such as near, north of and at that relate locations to the features. Here we describe a system for generating location descriptions, that combines spatial templates, that model the applicability of different spatial relations relative to a reference location, with toponyms in the vicinity of the described location that are selected according to aspects of salience. The toponyms are retrieved from a gazetteer service based on OpenStreetMap for which we create a hierarchical feature classification scheme to facilitate selection of toponyms according to distinctiveness of their feature types and other aspects of salience. The advantages of the approach are demonstrated in a user study, relative to an existing state of the art system and to other baseline approaches that include manually created captions and the automated methods of two widely used photo captioning systems. Numéro de notice : A2022-043 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1080/13658816.2021.1913498 Date de publication en ligne : 28/04/2021 En ligne : https://doi.org/10.1080/13658816.2021.1913498 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99402 [article]

Predicting user activity intensity using geographic interactions based on social media check-in data / Jing Li in ISPRS International journal of geo-information, vol 10 n° 8 (August 2021)  

Public [article]  inISPRS International journal of geo-information > vol 10 n° 8 (August 2021) . - n° 555 Titre : Predicting user activity intensity using geographic interactions based on social media check-in data Type de document : Article/Communication Auteurs : Jing Li, Auteur ; Wenyue Guo, Auteur ; Haiyan Liu, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : n° 555 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] apprentissage profond [Termes IGN] données issues des réseaux sociaux [Termes IGN] interaction spatiale [Termes IGN] mobilité [Termes IGN] modèle non linéaire [Termes IGN] relation spatiale [Termes IGN] réseau neuronal de graphes [Termes IGN] réseau neuronal récurrent [Termes IGN] utilisateur Résumé : (auteur) Predicting user activity intensity is crucial for various applications. However, existing studies have two main problems. First, as user activity intensity is nonstationary and nonlinear, traditional methods can hardly fit the nonlinear spatio-temporal relationships that characterize user mobility. Second, user movements between different areas are valuable, but have not been utilized for the construction of spatial relationships. Therefore, we propose a deep learning model, the geographical interactions-weighted graph convolutional network-gated recurrent unit (GGCN-GRU), which is good at fitting nonlinear spatio-temporal relationships and incorporates users’ geographic interactions to construct spatial relationships in the form of graphs as the input. The model consists of a graph convolutional network (GCN) and a gated recurrent unit (GRU). The GCN, which is efficient at processing graphs, extracts spatial features. These features are then input into the GRU, which extracts their temporal features. Finally, the GRU output is passed through a fully connected layer to obtain the predictions. We validated this model using a social media check-in dataset and found that the geographical interactions graph construction method performs better than the baselines. This indicates that our model is appropriate for fitting the complex nonlinear spatio-temporal relationships that characterize user mobility and helps improve prediction accuracy when considering geographic flows. Numéro de notice : A2021-588 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/ijgi10080555 Date de publication en ligne : 17/08/2021 En ligne : https://doi.org/10.3390/ijgi10080555 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98206 [article]

Can graph convolution networks learn spatial relations? / Azelle Courtial (2021)  

Public Titre : Can graph convolution networks learn spatial relations? Type de document : Article/Communication Auteurs : Azelle Courtial , Auteur ; Guillaume Touya , Auteur ; Xiang Zhang, Auteur Editeur : Paris, ... [Suède] : International Cartographic Association ICA - Association cartographique internationale ACI Année de publication : 2021 Collection : Abstracts of the ICA num. 3 Projets : 1-Pas de projet / Conférence : ICC 2021, 30th ICA international cartographic conference 14/12/2021 18/12/2021 Florence Italie Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes IGN] alignement [Termes IGN] bati [Termes IGN] objet géographique [Termes IGN] relation spatiale [Termes IGN] réseau neuronal convolutif [Termes IGN] réseau neuronal de graphes [Termes IGN] réseau routier [Vedettes matières IGN] Généralisation Résumé : (auteur) [introduction] Maps are composed of spatially related geographic objects. Spatial relations are key information for human as they support the description of relative locations: the house is to the east of the city centre, near the interchange, or at the end of the path. Consequently, preserving these spatial relations is important during map generalisation. For example, building typification is a generalisation operation that seeks to reduce the quantity of building while preserving relation between and within homogeneous buildings groups (Regnauld, 2001). Building or road patterns are remarkable distributions of elements in the map from which high-level concepts and semantics (e.g. landuse types and urban morphology) can be inferred. Such patterns can be characterized by spatial relations (e.g. proximity, similarity and continuity of these elements) and hence are visually easy to identify by a human. To identify these patterns automatically is important for automated map generalisation (Christophe and Ruas, 2002). However, it remains challenging to devise algorithms that can resemble the human level performance. The goal of this paper is to illustrate the potential of graph convolutional networks (GCN) for the identification of patterns and relations important for map generalisation with two use cases: building patterns detection, and road segment selection. Both tasks require some degree of understanding of the spatial relations between map objects. Hence, our experiments constitute a first step in exploring the capability of deep neural network for learning representations of spatial relations. Numéro de notice : C2021-045 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.5194/ica-abs-3-60-2021 Date de publication en ligne : 13/12/2021 En ligne : https://doi.org/10.5194/ica-abs-3-60-2021 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99420

Création de bases de connaissances topographiques à partir de sources hétérogènes / Helen Mair Rawsthorne (2021)  

Public Titre : Création de bases de connaissances topographiques à partir de sources hétérogènes Type de document : Article/Communication Auteurs : Helen Mair Rawsthorne , Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN Année de publication : 2021 Conférence : Journées Recherche de l'IGN 2021, 30es Journées 25/05/2021 28/05/2021 en ligne France vidéos des journées Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] base de connaissances [Termes IGN] corpus [Termes IGN] données localisées [Termes IGN] entité géographique [Termes IGN] ontologie [Termes IGN] relation spatiale [Termes IGN] système à base de connaissances Résumé : (auteur) Ma thèse vise à proposer une approche pour construire, peupler et évaluer une base de connaissances géoréférencées à partir de sources hétérogènes, notamment des bases de données vectorielles et des textes. Celles-ci doivent permettre d’intégrer à la fois du référencement spatial direct et indirect pour le développement d’applications nécessitant de faire du raisonnement spatial selon ces deux modalités. La première étude de cas dans cette thèse se base sur les Instructions Nautiques du Service hydrographique et océanographique de la Marine (Shom). Ce sont des ouvrages publiés par le Shom qui aident à la navigation côtière en complément des cartes nautiques pour planifier un itinéraire. Principalement, elles décrivent le paysage côtier depuis le point de vue d'un navire et donnent des indications pour naviguer près de la côte et accéder aux ports. Notre objectif premier est donc d’extraire, géoréférencer et structurer les connaissances contenues dans ces Instructions Nautiques : les entités spatiales, les relations spatiales et les instructions liées à la navigation côtière. Le but est de rendre les connaissances contenues dans ces ouvrages, qui sont actuellement écrits et mis à jour à la main, structurées et réutilisables dans une base de connaissances avec l'aide d'une ontologie. Ce poster présente l’approche globale envisagée ainsi qu’une première version de cette ontologie. Numéro de notice : C2021-009 Affiliation des auteurs : UGE-LASTIG (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans En ligne : https://hal.archives-ouvertes.fr/hal-03239957 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97908

Learning embeddings for cross-time geographic areas represented as graphs / Margarita Khokhlova (2021)  

Public Titre : Learning embeddings for cross-time geographic areas represented as graphs Type de document : Article/Communication Auteurs : Margarita Khokhlova, Auteur ; Nathalie Abadie , Auteur ; Valérie Gouet-Brunet , Auteur ; Liming Chen, Auteur Editeur : New York [Etats-Unis] : Association for computing machinery ACM Année de publication : 2021 Projets : Alegoria / Gouet-Brunet, Valérie Conférence : SAC 2021, 36th Annual ACM Symposium on Applied Computing 22/03/2021 26/03/2021 en ligne France Proceedings ACM Importance : pp 559 - 568 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] arête [Termes IGN] classification par réseau neuronal [Termes IGN] entité géographique [Termes IGN] graphe flou [Termes IGN] image aérienne à axe vertical [Termes IGN] noeud [Termes IGN] relation spatiale [Termes IGN] représentation graphique [Termes IGN] réseau neuronal de graphes Résumé : (auteur) Geographic entities from the vertical aerial images can be viewed as discrete objects and represented as nodes in a graph, linked to each other by edges capturing their spatial relationships. Over time, the natural and man made landscape may evolve and thus also their graph representations. This paper addresses the challenging problem of the retrieval and fuzzy matching of graphs to localize near-identical geographical areas across time. Several use-case scenarios are proposed for the end-to-end learning of a graph embedding using Graph Neural Networks (GNN), along with an effective baseline without learning. The results demonstrate the efficiency of our approach, that enables efficient similarity reasoning for novel hand-engineered cross-time graph data. Code and data processing scripts are available online. Numéro de notice : C2021-002 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1145/3412841.3441936 En ligne : https://doi.org/10.1145/3412841.3441936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97583

Mining regional patterns of land use with adaptive adjacent criteria / Xinmeng Tu in Cartography and Geographic Information Science, Vol 47 n° 5 (September 2020)  

Permalink

Optimiser la gestion conjointe de la voirie et des réseaux enterrés à l'aide de la géomatique : conception d'un référentiel spatial de voirie / Antonin Pavard (2020)  

Permalink

Un modèle de transcription pour identifier et analyser les objets de référence et les relations spatiales utilisées pour se localiser en montagne / Mattia Bunel in Cartes & Géomatique, n° 241-242 (décembre 2019)

Permalink

Validating the use of object-based image analysis to map commonly recognized landform features in the United States / Samantha T. Arundel in Cartography and Geographic Information Science, Vol 46 n° 5 (September 2019)  

Permalink

An approach for identifying and analysing reference features and spatial relations used in mountain emergency calls / Mattia Bunel (2019)    

Permalink

Objets et relations spatiales composites et prise en compte du vague pour interpréter un référencement spatial indirect / Mattia Bunel in Revue internationale de géomatique, vol 29 n° 1 (janvier - mars 2019)  

Permalink

The world, the computer, and the mind : how Andrew Frank helped make human language and cognition cornerstones of geographic information science / Daniel R. Montello in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)  

Permalink

Unsupervised detection of ruptures in spatial relationships in video sequences based on log‑likelihood ratio / Abdalbassir Abou-Elailah in Pattern Analysis and Applications, vol 21 n° 3 (August 2018)  

Permalink

Label propagation with ensemble of pairwise geometric relations : towards robust large-scale retrieval of object instances / Xiaomeng Wu in International journal of computer vision, vol 126 n° 7 (July 2018)  

Permalink

Maps telling stories ? / Franz-Benjamin Mocnik in Cartographic journal (the), vol 55 n° 1 (February 2018)  

Permalink