Centre dedocumentation
scientifique

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]

Réservation

Réserver ce document

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

Combined geo-social search : computing top-k join queries over incomplete information / Yaron Kanza in Geoinformatica [en ligne], vol 22 n° 3 (July 2018)  

Public [article]  inGeoinformatica [en ligne] > vol 22 n° 3 (July 2018) . - pp 615 - 660 Titre : Combined geo-social search : computing top-k join queries over incomplete information Type de document : Article/Communication Auteurs : Yaron Kanza, Auteur ; Mirit Shalem, Auteur Année de publication : 2018 Article en page(s) : pp 615 - 660 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] approximation [Termes IGN] données localisées [Termes IGN] jointure [Termes IGN] requête spatiale [Termes IGN] réseau social Résumé : (Auteur) Geo-social data sets, which fuse the social and the geospatial facets of data, are vibrant data sources that associate people and activities with locations. In a combined geo-social search, several search queries are posed over geospatial and social data sources, or over data sources with both geospatial and social facets; and the search results, provided as ranked lists of items, are integrated by associating matching items, yielding combinations. Each combination has a score which is a function of the scores of the items it comprises, and the goal is to compute the k combinations with the highest score, that is, the top-k combinations. However, since geo-social data sources are heterogeneous, data items may not have matching items in all the ranked lists. Such items cannot be included in complete combinations. Hence, we study the approach where combinations are padded by nulls for missing items, as in outer-join. A combination is maximal if it cannot be extended by replacing a null by an item. We show that if some of the top-k maximal combinations contain null values, the computation requires reading entire lists, and hence, traditional top-k algorithms and optimization techniques are not as effective as in the case of an ordinary top-k join. Thus, we present two novel algorithms for computing the top-k maximal combinations. One novel algorithm is instance optimal over the class of algorithms that compute a ??approximation to the answer. The second algorithm is more efficient than the modification of two common top-k algorithms to compute maximal combinations. We show this analytically, and experimentally over real and synthetic data. Numéro de notice : A2018-370 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10707-017-0297-y Date de publication en ligne : 25/03/2017 En ligne : https://doi.org/10.1007/s10707-017-0297-y Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90762 [article]

Fouille de données spatiales / Nadjim Chelghoum (2004)

Public Titre : Fouille de données spatiales : un problème de fouille de données multi-tables Type de document : Thèse/HDR Auteurs : Nadjim Chelghoum, Auteur ; Karine Zeitouni, Directeur de thèse Editeur : Versailles : Université de Versailles Saint-Quentin-en-Yvelines Année de publication : 2004 Importance : 143 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Bases de données localisées [Termes IGN] arbre de décision [Termes IGN] base de données localisées [Termes IGN] état de l'art [Termes IGN] exploration de données géographiques [Termes IGN] jointure [Termes IGN] relation spatiale Index. décimale : THESE Thèses et HDR Résumé : (auteur) La fouille de données spatiales nécessite l'analyse des interactions dans l'espace. Ces interactions peuvent être matérialisées dans des tables de distances, ramenant ainsi la fouille de données spatiales à l'analyse multi-tables. Or, les méthodes de fouilles de données traditionnelles considèrent une seule table en entrée où chaque tuple est une observation à analyser. De simples jointures entre ces tables ne résout pas le problème et fausse les résultats en raison du comptage multiple des observations. Nous proposons quatre alternatives de fouille de données multi-tables dans le cadre de la fouille des données spatiales. La première consiste à interroger à la volée les différentes tables et modifie en dur les algorithmes existants. La seconde est une optimisation de la première qui pré-calcule les jointures et adapte les algorithmes existants. La troisième réorganise les données dans une table unique en utilisant l'opérateur proposé CROISEMENT et applique ensuite un algorithme standard sans modification. L'idée ici est de compléter - et non de joindre- la table d'analyse par les données présentes dans les autres tables,. La quatrième alternative transforme les données en prédicats exprimés en logique de premier ordre et applique un algorithme de la programmation logique inductive. Cette thèse présente ces quatre alternatives. Elle décrit leur implémentation pour la classification supervisée et compare leur performance. Numéro de notice : 17220 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Thèse française Note de thèse : thèse : Informatique : Versailles : 2004 Organisme de stage : Laboratoire Prism nature-HAL : Thèse DOI : sans Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81613

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
17220-01	THESE	Livre	Centre de documentation	Thèses	Disponible