Centre dedocumentation
scientifique

Context-aware convolutional neural network for object detection in VHR remote sensing imagery / Yiping Gong in IEEE Transactions on geoscience and remote sensing, vol 58 n° 1 (January 2020)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 58 n° 1 (January 2020) . - pp 34 - 44 Titre : Context-aware convolutional neural network for object detection in VHR remote sensing imagery Type de document : Article/Communication Auteurs : Yiping Gong, Auteur ; Zhifeng Xiao, Auteur ; Xiaowei Tan, Auteur Année de publication : 2020 Article en page(s) : pp 34 - 44 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse contextuelle [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] description multiniveau [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] vision par ordinateur [Termes descripteurs IGN] zone d'intérêt Résumé : (auteur) Object detection in very-high-resolution (VHR) remote sensing imagery remains a challenge. Environmental factors, such as illumination intensity and weather, reduce image quality, resulting in poor feature representation and limited detection accuracy. To enrich the feature representation and mine the underlying context information among objects, this article proposes a context-aware convolutional neural network (CA-CNN) model for object detection that includes proposal generation, context feature extraction, feature fusion, and classification. During feature extraction, we propose integrating a context-regions-of-interests (Context-RoIs) mining layer into the CNN model and extracting context features by mapping Context-RoIs mined from the foreground proposals to multilevel feature maps. Finally, the context features extracted from multilevel layers are fused into a single layer, and the proposals represented by the fused features are classified by a softmax classifier. In this article, through numerous experiments, we thoroughly explore the influence of key factors, such as Context-RoIs, different feature scales, and different spatial context window sizes. Because of the end-to-end network design approach, our proposed model simultaneously maintains high efficiency and effectiveness. We conducted all model testing on the public NWPU VHR-10 data set. The experimental results demonstrate that our proposed CA-CNN model achieves significantly improved model performance and better detection results compared with the state-of-the-art methods. Numéro de notice : A2020-038 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2930246 date de publication en ligne : 23/09/2019 En ligne : http://doi.org/10.1109/TGRS.2019.2930246 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94492 [article]

Sig-NMS-based faster R-CNN combining transfer learning for small target detection in VHR optical remote sensing imagery / Ruchan Dong in IEEE Transactions on geoscience and remote sensing, vol 57 n° 11 (November 2019)  

Public [article]  inIEEE Transactions on geoscience and remote sensing > vol 57 n° 11 (November 2019) . - pp 8534 - 8545 Titre : Sig-NMS-based faster R-CNN combining transfer learning for small target detection in VHR optical remote sensing imagery Type de document : Article/Communication Auteurs : Ruchan Dong, Auteur ; Dazhuan Xu, Auteur ; Jin Zhao, Auteur ; Licheng Jiao, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 8534 - 8545 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal [Termes descripteurs IGN] détection d'objet [Termes descripteurs IGN] détection de cible [Termes descripteurs IGN] image à très haute résolution [Termes descripteurs IGN] régression [Termes descripteurs IGN] zone d'intérêt Résumé : (auteur) Small target detection is a challenging task in veryhigh-resolution (VHR) optical remote sensing imagery, because small targets occupy a minuscule number of pixels and are easily disturbed by backgrounds or occluded by others. Although current convolutional neural network (CNN)-based approaches perform well when detecting normal objects, they are barely suitable for detecting small ones. Two practical problems stand in their way. First, current CNN-based approaches are not specifically designed for the minuscule size of small targets (~15 or ~10 pixels in extent). Second, no well-established data sets include labeled small targets and establishing one from scratch is labor-intensive and time-consuming. To address these two issues, we propose an approach that combines Sig-NMS-based Faster R-CNN with transfer learning. Sig-NMS replaces traditional non-maximum suppression (NMS) in the stage of region proposal network and decreases the possibility of missing small targets. Transfer learning can effectively label remote sensing images by automatically annotating both object classes and object locations. We conduct an experiment on three data sets of VHR optical remote sensing images, RSOD, LEVIR, and NWPU VHR-10, to validate our approach. The results demonstrate that the proposed approach can effectively detect small targets in the VHR optical remote sensing images of about 10 × 10 pixels and automatically label small targets as well. In addition, our method presents better mean average precisions than other state-of-the-art methods: 1.5% higher when performing on the RSOD data set, 17.8% higher on the LEVIR data set, and 3.8% higher on NWPU VHR-10. Numéro de notice : A2019-595 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1109/TGRS.2019.2921396 date de publication en ligne : 15/07/2019 En ligne : https://doi.org/10.1109/TGRS.2019.2921396 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94587 [article]

A generalized space-time OBIA classification scheme to map sugarcane areas at regional scale, using Landsat images time-series and the random forest algorithm / Ana Claudia Dos Santos Luciano in International journal of applied Earth observation and geoinformation, vol 80 (August 2019)  

Public [article]  inInternational journal of applied Earth observation and geoinformation > vol 80 (August 2019) . - pp 127-136 Titre : A generalized space-time OBIA classification scheme to map sugarcane areas at regional scale, using Landsat images time-series and the random forest algorithm Type de document : Article/Communication Auteurs : Ana Claudia Dos Santos Luciano, Auteur ; Michelle Cristina Araújo Picoli, Auteur ; Jansle Vieira Rocha, Auteur ; et al., Auteur Année de publication : 2019 Article en page(s) : pp 127-136 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse spatio-temporelle [Termes descripteurs IGN] apprentissage automatique [Termes descripteurs IGN] Brésil [Termes descripteurs IGN] carte agricole [Termes descripteurs IGN] classification dirigée [Termes descripteurs IGN] classification orientée objet [Termes descripteurs IGN] classification par forêts aléatoires [Termes descripteurs IGN] extraction de données [Termes descripteurs IGN] image à haute résolution [Termes descripteurs IGN] image Landsat [Termes descripteurs IGN] production agricole [Termes descripteurs IGN] Saccharum officinarum [Termes descripteurs IGN] série temporelle [Termes descripteurs IGN] surface cultivée [Termes descripteurs IGN] zone d'intérêt Résumé : (auteur) The monitoring of sugarcane areas is important for sustainable planning and management of the sugarcane industry in Brazil. We developed an operational Object-Based Image Analysis (OBIA) classification scheme, with generalized space-time classifier, for mapping sugarcane areas at the regional scale in São Paulo State (SP). Binary random forest (RF) classification models were calibrated using multi-temporal data from Landsat images, at 10 sites located across SP. Space and time generalization were tested and compared for three approaches: a local calibration and application; a cross-site spatial generalization test with the RF model calibrated on a site and applied on other sites; and a unique space–time classifier calibrated with all sites together on years 2009–2014 and applied to the entire SP region on 2015. The local RF models Dice Coefficient (DC) accuracies at sites 1 to 8 were between 0.83 and 0.92 with an average of 0.89. The cross-site classification accuracy showed an average DC of 0.85, and the unique RF model had a DC of 0.89 when compared with a reference map of 2015. The results demonstrated a good relationship between sugarcane prediction and the reference map for each municipality in SP, with R² = 0.99 and only 5.8% error for the total sugarcane area in SP, and compared with the area inventory from the Brazilian Institute of Geography and Statistics, with R² = 0.95 and –1% error for the total sugarcane area in SP. The final unique RF model allowed monitoring sugarcane plantations at the regional scale on independent year, with efficiency, low-cost, limited resources and a precision approximating that of a photointerpretation. Numéro de notice : A2019-470 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.jag.2019.04.013 date de publication en ligne : 25/04/2019 En ligne : https://doi.org/10.1016/j.jag.2019.04.013 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93612 [article]

An efficient technique for creating a continuum of equal-area map projections / Daniel "daan" Strebe in Cartography and Geographic Information Science, Vol 45 n° 6 (November 2018)  

Public [article]  inCartography and Geographic Information Science > Vol 45 n° 6 (November 2018) . - pp 529 - 538 Titre : An efficient technique for creating a continuum of equal-area map projections Type de document : Article/Communication Auteurs : Daniel "daan" Strebe, Auteur Année de publication : 2018 Article en page(s) : pp 529 - 538 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] cartographie animée [Termes descripteurs IGN] cartographie dynamique [Termes descripteurs IGN] continuité cartographique [Termes descripteurs IGN] géomatique web [Termes descripteurs IGN] projection équivalente [Termes descripteurs IGN] projection mélangée [Termes descripteurs IGN] zone d'intérêt [Vedettes matières IGN] Géovisualisation Résumé : (Auteur) Equivalence (the equal-area property of a map projection) is important to some categories of maps. However, unlike for conformal projections, completely general techniques have not been developed for creating new, computationally reasonable equal-area projections. The literature describes many specific equal-area projections and a few equal-area projections that are more or less configurable, but flexibility is still sparse. This work develops a tractable technique for generating a continuum of equal-area projections between two chosen equal-area projections. The technique gives map projection designers unlimited choice in tailoring the projection to the need. The technique is particularly suited to maps that dynamically adapt optimally to changing scale and region of interest, such as required for online maps. Numéro de notice : A2018-479 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2017.1405285 date de publication en ligne : 05/12/2017 En ligne : https://doi.org/10.1080/15230406.2017.1405285 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91257 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2018061	SL	Revue	Centre de documentation	Revues en salle	Disponible

Caractérisation et qualification de Modèles Numériques de Surfaces (MNS) - Analyse de la cohérence avec des masques d’eau / Guillaume Sutter (2018)

Public Titre : Caractérisation et qualification de Modèles Numériques de Surfaces (MNS) - Analyse de la cohérence avec des masques d’eau Type de document : Mémoire Auteurs : Guillaume Sutter, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2018 Importance : 119 p. Format : 21 x 30 cm Note générale : bibliographie Mémoire d'ingénieur 3e année, master PPMD Photogrammétrie, Positionnement et Mesure de Déformation Langues : Français (fre) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes descripteurs IGN] Alsace (France administrative) [Termes descripteurs IGN] caractérisation [Termes descripteurs IGN] cohérence des données [Termes descripteurs IGN] hydrographie [Termes descripteurs IGN] image radar moirée [Termes descripteurs IGN] inondation [Termes descripteurs IGN] Lorraine [Termes descripteurs IGN] masque [Termes descripteurs IGN] masse d'eau [Termes descripteurs IGN] MNS ASTER [Termes descripteurs IGN] MNS SRTM [Termes descripteurs IGN] modèle numérique de surface [Termes descripteurs IGN] modèle numérique de terrain [Termes descripteurs IGN] Niger (delta intérieur du) [Termes descripteurs IGN] pente [Termes descripteurs IGN] Python (langage de programmation) [Termes descripteurs IGN] SWOT [Termes descripteurs IGN] test statistique [Termes descripteurs IGN] zone d'intérêt Index. décimale : MPPMD Mémoires de mastère spécialisé Photogrammétrie, Positionnement et Mesures de Déformation Résumé : (auteur) Depuis plusieurs années, les missions satellitaires ont permis de grandes avancées dans le domaine de l’océanographie et de l’hydrologie, notamment concernant la mesure des hauteurs d’eau. La mission SWOT, mentionnée début 2007 et dont le lancement du satellite est prévu d’ici 2021 pour des acquisitions durant 3 ans, a pour objectif d’écrire un nouveau chapitre de l’observation des océans et des surfaces d’eau en utilisant un nouvel instrument satellitaire : un radar interférométrique à large fauchée. Dans le cadre de cette mission, des études préalables sont réalisées et plus particulièrement sur le traitement des données post-acquisition. Lors du traitement des données SWOT, celles-ci sont projetées en géométrie radar. Mon rôle dans la mission est d’apporter une expertise sur la cohérence entre les MNS (Modèles Numériques de Surface) et les masques d’eau afin de minimiser les erreurs dues à la projection. Afin de répondre à cette problématique, mon stage se divise en deux études réalisées sur plusieurs zones : • La première consiste à comparer les MNS entre eux, en évaluant certains indices statistiques, afin d’établir un classement de ces MNS. • La seconde consiste à regarder la cohérence des masques d’eau avec ces MNS et d’évaluer quels masques sont les plus intéressants dans le cadre de la mission SWOT. Ces deux études sont réalisées sur cinq zones du globe afin d’étudier le comportement des masques et des MNS dans différents environnements. Les différentes zones font entre 25 000km² pour l’Alsace-Lorraine et 400 000km² pour le delta intérieur du Niger. Ce stage présente donc une approche innovante de la question car c’est une approche multiéchelle qui est réalisée avec tous d’abord des MNS locaux puis des MNS globaux. Il en est de même pour les masques d’eau. Les traitements ont tout d’abord été réalisés sur une seule zone, puis appliqués sur les quatre autres. Il a donc fallu réaliser des algorithmes généraux pouvant être réutilisés dans d’autres situations. Outre les nombreuses échelles étudiées, le volume de données traité présente sa propre difficulté que ce soit lors du traitement informatique ou de l’interprétation visuelle : plus d’une dizaine de MNS et neuf masques d’eau ont été utilisés durant ce stage. Finalement, il en ressort que le MNS MERIT est le plus cohérent avec le masque de Pekel. Le MNS ASTER est celui qui présente les plus fortes pentes et la moins bonne cohérence avec les masques d’eau. Note de contenu : 1- Introduction Générale 2- État de l’art 3- Caractérisation et qualification de MNS 4- Cohérence avec des masques d’eau Conclusion Numéro de notice : 21862 Thématique : IMAGERIE Nature : Mémoire de fin d'études IT Organisme de stage : SERTIT Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91438

Documents numériques

peut être téléchargé Caractérisation et qualification de Modèles ... - pdf auteur Adobe Acrobat PDF

peut être téléchargé Caractérisation et qualification de Modèles ... - pdf auteur Adobe Acrobat PDF

Machine learning and pose estimation for autonomous robot grasping with collaborative robots / Victor Talbot (2018) 

Permalink

The geometry of space-time prisms with uncertain anchors / Bart Kuijpers in International journal of geographical information science IJGIS, vol 31 n° 9-10 (September - October 2017)  

Permalink

Local Moebius transformations applied to omnidirectional images / Leonardo Souto Ferreira in Computers and graphics, vol 68 (November 2017)  

Permalink

An adaptable equal-area pseudoconic map projection / Daniel "daan" Strebe in Cartography and Geographic Information Science, Vol 43 n° 4 (September 2016)  

Permalink

A region-line primitive association framework for object-based remote sensing image analysis / Wang Min in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 2 (February 2016)

Permalink

Seamline determination for high resolution orthoimage mosaicking using watershed segmentation / Wang Mi in Photogrammetric Engineering & Remote Sensing, PERS, vol 82 n° 2 (February 2016)

Permalink

Multiangle BSAR imaging based on BeiDou-2 navigation satellite system: experiments and preliminary results / Tao Zeng in IEEE Transactions on geoscience and remote sensing, vol 53 n° 10 (October 2015)

Permalink

Overcoming lidar’s Big data problem / Rick Harrison in GEO: Geoconnexion international, vol 14 n° 9 (October 2015)

Permalink

Triangulating social multimedia content for event localization using Flickr and Twitter / George Panteras in Transactions in GIS, vol 19 n° 5 (October 2015)  

Permalink

Understanding chorematic diagrams : towards a taxonomy / Andreas W. Reimer in Cartographic journal (the), vol 47 n° 4 (November 2010)  

Permalink