Centre dedocumentation
scientifique

Fictive motion extraction and classification / Ekaterina Egorova in International journal of geographical information science IJGIS, vol 32 n° 11-12 (November - December 2018)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 32 n° 11-12 (November - December 2018) . - pp 2247 - 2271 Titre : Fictive motion extraction and classification Type de document : Article/Communication Auteurs : Ekaterina Egorova, Auteur ; Ludovic Moncla, Auteur ; Mauro Gaio, Auteur ; Christophe Claramunt, Auteur ; Ross S. Purves, Auteur Année de publication : 2018 Article en page(s) : pp 2247 - 2271 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes descripteurs IGN] Alpes [Termes descripteurs IGN] base de règles [Termes descripteurs IGN] corpus [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] traitement du langage naturel Résumé : (Auteur) Fictive motion (e.g. ‘The highway runs along the coast’) is a pervasive phenomenon in language that can imply both a static and a moving observer. In a corpus of alpine narratives, it is used in three types of spatial descriptions: conveying the actual motion of the observer, describing a vista and communicating encyclopaedic spatial knowledge. This study takes a knowledge-based approach to develop rules for automated extraction and classification of these types based on an annotated corpus of fictive motion instances. In particular, we identify the differences in the set of concepts involved into the production of the three types of descriptions, followed by their linguistic operationalization. Based on that, we build a set of rules that classify fictive motion with an overall precision of 0.87 and recall of 0.71. The article highlights the importance of examining spatially rich, naturally occurring corpora for the lines of work dealing with the automated interpretation of spatial information in texts, as well as, more broadly, investigation of spatial language involved into various types of spatial discourse. Numéro de notice : A2018-524 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1498503 date de publication en ligne : 30/07/2018 En ligne : https://doi.org/10.1080/13658816.2018.1498503 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91349 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2018061	RAB	Revue	Centre de documentation	En réserve 3L	Disponible

Novel fusion approach on automatic object extraction from spatial data: case study Worldview-2 and TOPO5000 / Umut G. Sefercik in Geocarto international, vol 33 n° 10 (October 2018)  

Public [article]  inGeocarto international > vol 33 n° 10 (October 2018) . - pp 1139 - 1154 Titre : Novel fusion approach on automatic object extraction from spatial data: case study Worldview-2 and TOPO5000 Type de document : Article/Communication Auteurs : Umut G. Sefercik, Auteur ; Serkan Karakis, Auteur ; Can Atalay, Auteur ; Ibrahim Yigit, Auteur ; Umit Gokmen, Auteur Année de publication : 2018 Article en page(s) : pp 1139 - 1154 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse d'image orientée objet [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] détection du bâti [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] extraction du réseau routier [Termes descripteurs IGN] filtre de Wallis [Termes descripteurs IGN] fusion de MNS [Termes descripteurs IGN] image numérique [Termes descripteurs IGN] image Worldview [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] Turquie Résumé : (auteur) The automatic extraction of information content from remotely sensed data is always challenging. We suggest a novel fusion approach to improve the extraction of this information from mono-satellite images. A Worldview-2 (WV-2) pan-sharpened image and a 1/5000-scaled topographic vector map (TOPO5000) were used as the sample data. Firstly, the buildings and roads were manually extracted from WV-2 to point out the maximum extractable information content. Subsequently, object-based automatic extractions were performed. After achieving two-dimensional results, a normalized digital surface model (nDSM) was generated from the underlying digital aerial photos of TOPO5000, and the automatic extraction was repeated by fusion with the nDSM to include individual object heights as an additional band for classification. The contribution was tested by precision, completeness and overall quality. Novel fusion technique increased the success of automatic extraction by 7% for the number of buildings and by 23% for the length of roads. Numéro de notice : A2019-047 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2017.1353646 date de publication en ligne : 27/07/2017 En ligne : https://doi.org/10.1080/10106049.2017.1353646 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92068 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2018041	GEO	Revue	Centre de documentation	Revues en salle	Disponible

A deep learning approach to DTM extraction from imagery using rule-based training labels / Caroline M. Gevaert in ISPRS Journal of photogrammetry and remote sensing, vol 142 (August 2018)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 142 (August 2018) . - pp 106 - 123 Titre : A deep learning approach to DTM extraction from imagery using rule-based training labels Type de document : Article/Communication Auteurs : Caroline M. Gevaert, Auteur ; Claudio Persello, Auteur ; M. George Vosselman, Auteur Année de publication : 2018 Article en page(s) : pp 106 - 123 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] base de règles [Termes descripteurs IGN] benchmark spatial [Termes descripteurs IGN] Dar-es-Salam (Tanzanie) [Termes descripteurs IGN] drone [Termes descripteurs IGN] échantillonnage d'image [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] Kigali (Rwanda) [Termes descripteurs IGN] Lombardie [Termes descripteurs IGN] modèle numérique de terrain [Termes descripteurs IGN] photogrammétrie aérienne [Termes descripteurs IGN] réseau neuronal convolutif Résumé : (Auteur) Existing algorithms for Digital Terrain Model (DTM) extraction still face difficulties due to data outliers and geometric ambiguities in the scene such as contiguous off-ground areas or sloped environments. We postulate that in such challenging cases, the radiometric information contained in aerial imagery may be leveraged to distinguish between ground and off-ground objects. We propose a method for DTM extraction from imagery which first applies morphological filters to the Digital Surface Model to obtain candidate ground and off-ground training samples. These samples are used to train a Fully Convolutional Network (FCN) in the second step, which can then be used to identify ground samples for the entire dataset. The proposed method harnesses the power of state-of-the-art deep learning methods, while showing how they can be adapted to the application of DTM extraction by (i) automatically selecting and labelling dataset-specific samples which can be used to train the network, and (ii) adapting the network architecture to consider a larger surface area without unnecessarily increasing the computational burden. The method is successfully tested on four datasets, indicating that the automatic labelling strategy can achieve an accuracy which is comparable to the use of manually labelled training samples. Furthermore, we demonstrate that the proposed method outperforms two reference DTM extraction algorithms in challenging areas. Numéro de notice : A2018-298 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2018.06.001 date de publication en ligne : 15/06/2018 En ligne : https://doi.org/10.1016/j.isprsjprs.2018.06.001 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90410 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2018081	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
081-2018083	DEP-EXM	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2018082	DEP-EAF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Désambiguïsation des entités spatiales par apprentissage actif / Amal Chihaoui in Revue internationale de géomatique, vol 28 n° 2 (avril - juin 2018)  

Public [article]  inRevue internationale de géomatique > vol 28 n° 2 (avril - juin 2018) . - pp 163 - 189 Titre : Désambiguïsation des entités spatiales par apprentissage actif Type de document : Article/Communication Auteurs : Amal Chihaoui, Auteur ; Asma Bouhafs, Auteur ; Mathieu Roche, Auteur ; Maguelonne Teisseire, Auteur Année de publication : 2018 Article en page(s) : pp 163 - 189 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes descripteurs IGN] apprentissage dirigé [Termes descripteurs IGN] corpus [Termes descripteurs IGN] échantillonnage [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] incertitude d'atttribut [Termes descripteurs IGN] toponyme [Termes descripteurs IGN] traitement du langage naturel Résumé : (Auteur) L’extraction de connaissances spatiales à partir de documents textuels peut être une tâche difficile du fait de l’ambiguïté propre au langage naturel. L'indisponibilité de gros volumes de données étiquetées rend difficile la mise-en-œuvre d’un processus de découverte automatique. Dans ce contexte, nous abordons le problème de la désambiguïsation des entités spatiales, entre " localisation" et "organisation" par apprentissage actif. D’abord, nous introduisons une méthode de résolution des toponymes basée sur une analyse lexicale et contextuelle. Ensuite, nous proposons une amélioration en intégrant un modèle d’apprentissage actif. Celui-ci permet de sélectionner automatiquement les données non étiquetées les plus informatives pour la notation humaine. Les expérimentations sont réalisées sur un corpus de "SemEval-2007" en anglais et soulignent l’amélioration du modèle d’apprentissage initial avec un étiquetage réduit. Numéro de notice : A2018-254 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/TOPONYMIE Nature : Article DOI : 10.3166/rig.2018.00053 date de publication en ligne : 03/08/2018 En ligne : https://doi.org/10.3166/rig.2018.00053 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90315 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
047-2018021	SL	Revue	Centre de documentation	Revues en salle	Disponible

Generating vague neighbourhoods through data mining of passive web data / Paul Brindley in International journal of geographical information science IJGIS, vol 32 n° 3-4 (March - April 2018)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 32 n° 3-4 (March - April 2018) . - pp 498 - 523 Titre : Generating vague neighbourhoods through data mining of passive web data Type de document : Article/Communication Auteurs : Paul Brindley, Auteur ; James Goulding, Auteur ; M. L. Wilson, Auteur Année de publication : 2018 Article en page(s) : pp 498 - 523 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes descripteurs IGN] adresse postale [Termes descripteurs IGN] base de données d'adresses [Termes descripteurs IGN] exploration de données géographiques [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] limite indéterminée [Termes descripteurs IGN] recherche d'information géographique [Termes descripteurs IGN] structure sociale [Termes descripteurs IGN] voisinage (topologie) [Termes descripteurs IGN] zone urbaine Résumé : (Auteur) Neighbourhoods have been described as ‘the building blocks of public services society’. Their subjective nature, however, and the resulting difficulties in collecting data, means that in many countries there are no officially defined neighbourhoods either in terms of names or boundaries. This has implications not only for policy but also business and social decisions as a whole. With the absence of neighbourhood boundaries many studies resort to using standard administrative units as proxies. Such administrative geographies, however, often have a poor fit with those perceived by residents. Our approach detects these important social boundaries by automatically mining the Web en masse for passively declared neighbourhood data within postal addresses. Focusing on the United Kingdom (UK), this research demonstrates the feasibility of automated extraction of urban neighbourhood names and their subsequent mapping as vague entities. Importantly, and unlike previous work, our process does not require any neighbourhood names to be established a priori. Numéro de notice : A2018-043 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/URBANISME Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2017.1400549 En ligne : https://doi.org/10.1080/13658816.2017.1400549 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=89264 [article]

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2018022	RAB	Revue	Centre de documentation	En réserve 3L	Disponible
079-2018021	RAB	Revue	Centre de documentation	En réserve 3L	Disponible

Multisource remote sensing data classification based on convolutional neural network / Xiaodong Xu in IEEE Transactions on geoscience and remote sensing, vol 56 n° 2 (February 2018)  

Permalink

Automated delineation of wildfire areas using Sentinel-2 satellite imagery / Mira Weirather in GI Forum, vol 2018 n° 1 ([01/01/2018])  

Permalink

Fusion tardive d’images SPOT-6/7 et de données multitemporelles Sentinel-2 pour la détection de la tache urbaine / Cyril Wendl (2018)    

Permalink

Géolocalisation précise basée image / Truong Giang Nguyen (2018) 

Permalink

Comparison of Landsat-8, ASTER and Sentinel 1 satellite remote sensing data in automatic lineaments extraction: A case study of Sidi Flah-Bouskour inlier, Moroccan Anti Atlas / Zakaria Adiri in Advances in space research, vol 60 n° 11 (1 December 2017)  

Permalink

Towards a multi-scale approach for an Earth observation-based assessment of natural resource exploitation in conflict regions / Elisabeth Schoepfer in Geocarto international, vol 32 n° 10 (October 2017)  

Permalink

A graph-based approach to detect spatiotemporal dynamics in satellite image time series / Fabio Guttler in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)  

Permalink

Simultaneous extraction of roads and buildings in remote sensing imagery with convolutional neural networks / Rasha Alshehhi in ISPRS Journal of photogrammetry and remote sensing, vol 130 (August 2017)  

Permalink

Analytical and numerical investigations on the accuracy and robustness of geometric features extracted from 3D point cloud data / André Dittrich in ISPRS Journal of photogrammetry and remote sensing, vol 126 (April 2017)  

Permalink

Industrialisation des processus d'extraction d'objets à partir de données photogrammétriques par drones / Jérémie Brossard in XYZ, n° 150 (mars - mai 2017)

Permalink