Centre de documentation
scientifique

Building detection with convolutional networks trained with transfer learning / Simon Šanca in Geodetski vestnik, vol 65 n° 4 (December 2021 - February 2022)  

Public [article]  inGeodetski vestnik > vol 65 n° 4 (December 2021 - February 2022) . - pp 559 - 576 Titre : Building detection with convolutional networks trained with transfer learning Type de document : Article/Communication Auteurs : Simon Šanca, Auteur ; Krištof Oštir, Auteur ; Alen Mangafić, Auteur Année de publication : 2021 Article en page(s) : pp 559 - 576 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] apprentissage profond [Termes IGN] classification automatique d'objets [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection du bâti [Termes IGN] données cadastrales [Termes IGN] image aérienne [Termes IGN] image infrarouge couleur [Termes IGN] image proche infrarouge [Termes IGN] image RVB [Termes IGN] orthoimage couleur [Termes IGN] segmentation d'image [Termes IGN] Slovénie Résumé : (Auteur) Building footprint detection based on orthophotos can be used to update the building cadastre. In recent years deep learning methods using convolutional neural networks have been increasingly used around the world. We present an example of automatic building classification using our datasets made of colour near-infrared orthophotos (NIR-R-G) and colour orthophotos (R-G-B). Building detection using pretrained weights from two large scale datasets Microsoft Common Objects in Context (MS COCO) and ImageNet was performed and tested. We applied the Mask Region Convolutional Neural Network (Mask R-CNN) to detect the building footprints. The purpose of our research is to identify the applicability of pre-trained neural networks on the data of another colour space to build a classification model without re-learning. Numéro de notice : A2021-930 Affiliation des auteurs : non IGN Thématique : IMAGERIE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.15292/geodetski-vestnik.2021.04.559-593 Date de publication en ligne : 03/11/2021 En ligne : https://doi.org/10.15292/geodetski-vestnik.2021.04.559-593 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99409 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
139-2021041	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Utilisation de l’apprentissage profond dans la modélisation 3D urbaine : partie 2, post-traitement et évaluation / Hamza Ben Addou in Géomatique expert, n° 136 (novembre - décembre 2021)

Public [article]  inGéomatique expert > n° 136 (novembre - décembre 2021) . - pp 42 -47 Titre : Utilisation de l’apprentissage profond dans la modélisation 3D urbaine : partie 2, post-traitement et évaluation Type de document : Article/Communication Auteurs : Hamza Ben Addou, Auteur Année de publication : 2021 Article en page(s) : pp 42 -47 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] algorithme d'apprentissage [Termes IGN] apprentissage profond [Termes IGN] CityGML [Termes IGN] classification automatique d'objets [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] emprise au sol [Termes IGN] maquette numérique [Termes IGN] modèle 3D de l'espace urbain [Termes IGN] modèle numérique du bâti [Termes IGN] modélisation 3D [Termes IGN] niveau de détail [Termes IGN] orthoimage [Termes IGN] primitive géométrique [Termes IGN] toit Résumé : (Auteur) Post-traitement des données issues de l’algorithme d’apprentissage profond et modélisation 3D urbaine automatique Numéro de notice : A2021-919 Affiliation des auteurs : non IGN Thématique : IMAGERIE/URBANISME Nature : Article nature-HAL : ArtSansCL DOI : sans Date de publication en ligne : 01/11/2021 Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99335 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
IFN-001-P002286	PER	Revue	Nogent-sur-Vernisson	Salle périodiques	Exclu du prêt

A hierarchical deep learning framework for the consistent classification of land use objects in geospatial databases / Chun Yang in ISPRS Journal of photogrammetry and remote sensing, vol 177 (July 2021)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 177 (July 2021) . - pp 38 - 56 Titre : A hierarchical deep learning framework for the consistent classification of land use objects in geospatial databases Type de document : Article/Communication Auteurs : Chun Yang, Auteur ; Franz Rottensteiner, Auteur ; Christian Heipke, Auteur Année de publication : 2021 Article en page(s) : pp 38 - 56 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] Allemagne [Termes IGN] apprentissage profond [Termes IGN] approche hiérarchique [Termes IGN] classification automatique d'objets [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] image aérienne [Termes IGN] jointure [Termes IGN] objet géographique [Termes IGN] occupation du sol [Termes IGN] optimisation (mathématiques) [Termes IGN] utilisation du sol Résumé : (Auteur) Land use as contained in geospatial databases constitutes an essential input for different applications such as urban management, regional planning and environmental monitoring. In this paper, a hierarchical deep learning framework is proposed to verify the land use information. For this purpose, a two-step strategy is applied. First, given high-resolution aerial images, the land cover information is determined. To achieve this, an encoder-decoder based convolutional neural network (CNN) is proposed. Second, the pixel-wise land cover information along with the aerial images serves as input for another CNN to classify land use. Because the object catalogue of geospatial databases is frequently constructed in a hierarchical manner, we propose a new CNN-based method aiming to predict land use in multiple levels hierarchically and simultaneously. A so called Joint Optimization (JO) is proposed where predictions are made by selecting the hierarchical tuple over all levels which has the maximum joint class scores, providing consistent results across the different levels. The conducted experiments show that the CNN relying on JO outperforms previous results, achieving an overall accuracy up to 92.5%. In addition to the individual experiments on two test sites, we investigate whether data showing different characteristics can improve the results of land cover and land use classification, when processed together. To do so, we combine the two datasets and undertake some additional experiments. The results show that adding more data helps both land cover and land use classification, especially the identification of underrepresented categories, despite their different characteristics. Numéro de notice : A2021-370 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2021.04.022 Date de publication en ligne : 13/05/2021 En ligne : https://doi.org/10.1016/j.isprsjprs.2021.04.022 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97774 [article]

Exemplaires(3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2021071	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2021073	DEP-RECP	Revue	LASTIG	Dépôt en unité	Exclu du prêt
081-2021072	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Airborne lidar estimation of aboveground forest biomass in the absence of field inventory / António Ferraz in Remote sensing, vol 8 n° 8 (August 2016)    

Public [article]  inRemote sensing > vol 8 n° 8 (August 2016) . - pp 1 - 18 Titre : Airborne lidar estimation of aboveground forest biomass in the absence of field inventory Type de document : Article/Communication Auteurs : António Ferraz , Auteur ; Sassan Saatchi, Auteur ; Clément Mallet , Auteur ; Stéphane Jacquemoud, Auteur ; Gil Rito-Gonçalves , Auteur ; Carlos Alberto Silva, Auteur ; Paola Soares, Auteur ; Margarida Tomé, Auteur ; Luisa Pereira, Auteur Année de publication : 2016 Projets : 3-projet - voir note / Article en page(s) : pp 1 - 18 Note générale : Bibliographie This work was supported in part by the Portuguese Foundation for Science and Technology under Grant PTDC/AGR-CFL/72380/2006, co-financed by the European Fund of Regional Development (FEDER) through COMPETE—Operational Factors of Competitiveness Program (POFC) and the Grant Pest-OE/EEI/UI308/2014 Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes IGN] allométrie [Termes IGN] analyse de groupement [Termes IGN] biomasse aérienne [Termes IGN] biomasse forestière [Termes IGN] classification automatique d'objets [Termes IGN] couvert végétal [Termes IGN] dendrométrie [Termes IGN] données lidar [Termes IGN] extraction d'arbres [Termes IGN] fiabilité des données [Termes IGN] houppier [Termes IGN] Portugal [Termes IGN] puits de carbone [Termes IGN] semis de points [Termes IGN] structure d'un peuplement forestier Résumé : (Auteur) The scientific community involved in the UN-REDD program is still reporting large uncertainties about the amount and spatial variability of CO2 stored in forests. The main limitation has been the lack of field samplings over space and time needed to calibrate and convert remote sensing measurements into aboveground biomass (AGB). As an alternative to costly field inventories, we examine the reliability of state-of-the-art lidar methods to provide direct retrieval of many forest metrics that are commonly collected through field sampling techniques (e.g., tree density, individual tree height, crown cover). AGB is estimated using existing allometric equations that are fed by lidar-derived metrics at either the individual tree- or forest layer-level (for the overstory or underneath layers, respectively). Results over 40 plots of a multilayered forest located in northwest Portugal show that the lidar method provides AGB estimates with a relatively small random error (RMSE = of 17.1%) and bias (of 4.6%). It provides local AGB baselines that meet the requirements in terms of accuracy to calibrate satellite remote sensing measurements (e.g., the upcoming lidar GEDI (Global Ecosystem Dynamics Investigation), and the Synthetic Aperture Radar (SAR) missions NISAR (National Aeronautics and Space Administration and Indian Space Research Organization SAR) and BIOMASS from the European Space Agency, ESA) for AGB mapping purposes. The development of similar techniques over a variety of forest types would be a significant improvement in quantifying CO2 stocks and changes to comply with the UN-REDD policies. Numéro de notice : A2016--104 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Autre URL associée : vers HAL Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3390/rs8080653 Date de publication en ligne : 12/08/2016 En ligne : https://doi.org/10.3390/rs8080653 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=84675 [article]

Documents numériques

en open access A2016--104_Airborne_lidar_estimation_of_aboveground_forest_biomass Adobe Acrobat PDF

Road vectorisation from high-resolution imagery based on dynamic clustering using particle swarm optimisation / Fateme Ameri in Photogrammetric record, vol 30 n° 152 (December 2015 - February 2016)  

Public [article]  inPhotogrammetric record > vol 30 n° 152 (December 2015 - February 2016) . - pp 363 - 386 Titre : Road vectorisation from high-resolution imagery based on dynamic clustering using particle swarm optimisation Type de document : Article/Communication Auteurs : Fateme Ameri, Auteur ; Mohammad Javad Valadan Zoej, Auteur Année de publication : 2015 Article en page(s) : pp 363 - 386 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] classification automatique d'objets [Termes IGN] extraction automatique [Termes IGN] extraction du réseau routier [Termes IGN] image aérienne [Termes IGN] image Ikonos [Termes IGN] image Quickbird [Termes IGN] optimisation par essaim de particules [Termes IGN] réseau routier [Termes IGN] vectorisation Résumé : (auteur) This paper introduces an innovative automatic road-vectorisation algorithm based on dynamic pixel clustering using particle swarm optimisation. A new cost function is designed to optimise the number and position of road keypoints and is capable of deriving road centrelines without considering geometric, spectral or topological characteristics in the road model. The algorithm is applied to different high-resolution images (IKONOS, QuickBird and aerial photographs) and is evaluated with respect to RMSE, correctness and completeness. Moreover, a new quality parameter is defined to evaluate a “kinking” effect in roads. Extraction of different road shapes with an acceptable precision in both urban and rural environments proves the efficiency of the algorithm in yielding complete road networks. Numéro de notice : A2015-827 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article DOI : 10.1111/phor.12123 Date de publication en ligne : 15/12/2015 En ligne : https://doi.org/10.1111/phor.12123 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=79123 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
106-2015041	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Distinctive 2D and 3D features for automated large-scale scene analysis in urban areas / Martin Weinmann in Computers and graphics, vol 49 (June 2015)  

Permalink

Detection, segmentation and classification of 3D urban objects using mathematical morphology and supervised learning / Andrès Serna in ISPRS Journal of photogrammetry and remote sensing, vol 93 (July 2014)  

Permalink

Change detection in high-resolution land use/land cover geodatabases (at object level) / Emilio Domenech (01/04/2014) 

Permalink

The largest empty rectangle containing only a query object in Spatial Databases / Gilberto Gutiérrez in Geoinformatica, vol 18 n° 2 (April 2014)  

Permalink

Multiple-entity based classification of airborne laser scanning data in urban areas / S. Xu in ISPRS Journal of photogrammetry and remote sensing, vol 88 (February 2014)  

Permalink

Comparaison et évaluation de méthodes d'extraction automatique d'objets sur des images optique et radar / Charlotte Benedetto (2013) 

Permalink

A framework of region-based spatial relations for non-overlapping features and its application in object based image analysis / Y. Liu in ISPRS Journal of photogrammetry and remote sensing, vol 63 n° 4 (July - August 2008)  

Permalink

An application of problem and product ontologies for the revision beach nourishments / Daniel van de Vlag in International journal of geographical information science IJGIS, vol 19 n° 10 (november 2005)  

Permalink

The characteristics and interpretability of land surface change and implications for project design / T.L. Sohl in Photogrammetric Engineering & Remote Sensing, PERS, vol 70 n° 4 (April 2004)  

Permalink

Object-based classification of remote sensing data for change detection / Volker Walter in ISPRS Journal of photogrammetry and remote sensing, vol 58 n° 3-4 (January - June 2004)  

Permalink