Centre dedocumentation
scientifique

Unsupervised semantic and instance segmentation of forest point clouds / Di Wang in ISPRS Journal of photogrammetry and remote sensing, vol 165 (July 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 165 (July 2020) . - pp 86 - 97 Titre : Unsupervised semantic and instance segmentation of forest point clouds Type de document : Article/Communication Auteurs : Di Wang, Auteur Année de publication : 2020 Article en page(s) : pp 86 - 97 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie [Termes descripteurs IGN] analyse de groupement [Termes descripteurs IGN] classification non dirigée [Termes descripteurs IGN] données lidar [Termes descripteurs IGN] étiquetage sémantique [Termes descripteurs IGN] hauteur des arbres [Termes descripteurs IGN] houppier [Termes descripteurs IGN] indice foliaire [Termes descripteurs IGN] interprétation automatique [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] semis de points [Termes descripteurs IGN] télémètre laser terrestre Résumé : (auteur) Terrestrial Laser Scanning (TLS) has been increasingly used in forestry applications including forest inventory and plant ecology. Tree biophysical properties such as leaf area distributions and wood volumes can be accurately estimated from TLS point clouds. In these applications, a prerequisite is to properly understand the information content of large scale point clouds (i.e., semantic labelling of point clouds), so that tree-scale attributes can be retrieved. Currently, this requirement is undergoing laborious and time consuming manual works. In this work, we jointly address the problems of semantic and instance segmentation of forest point clouds. Specifically, we propose an unsupervised pipeline based on a structure called superpoint graph, to simultaneously perform two tasks: single tree isolation and leaf-wood classification. The proposed method is free from restricted assumptions of forest types. Validation using simulated data resulted in a mean Intersection over Union (mIoU) of 0.81 for single tree isolation, and an overall accuracy of 87.7% for leaf-wood classification. The single tree isolation led to a relative root mean square error (RMSE%) of 2.9% and 19.8% for tree height and crown diameter estimations, respectively. Comparisons with existing methods on other benchmark datasets showed state-of-the-art results of our method on both single tree isolation and leaf-wood classification tasks. We provide the entire framework as an open-source tool with an end-user interface. This study closes the gap for using TLS point clouds to quantify tree-scale properties in large areas, where automatic interpretation of the information content of TLS point clouds remains a crucial challenge. Numéro de notice : A2020-347 Thématique : FORET/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.04.020 date de publication en ligne : 28/05/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.04.020 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95228 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020071	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020073	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020072	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Counting of grapevine berries in images via semantic segmentation using convolutional neural networks / Laura Zabawa in ISPRS Journal of photogrammetry and remote sensing, vol 164 (June 2020)  

Public [article]  inISPRS Journal of photogrammetry and remote sensing > vol 164 (June 2020) . - pp 73 - 83 Titre : Counting of grapevine berries in images via semantic segmentation using convolutional neural networks Type de document : Article/Communication Auteurs : Laura Zabawa, Auteur ; Anna Kicherer, Auteur ; Lasse Klingbeil, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 73 - 83 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection [Termes descripteurs IGN] apprentissage profond [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] comptage [Termes descripteurs IGN] échantillon [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] extraction semi-automatique [Termes descripteurs IGN] régression [Termes descripteurs IGN] rendement agricole [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] traitement d'image [Termes descripteurs IGN] viticulture Résumé : (auteur) The extraction of phenotypic traits is often very time and labour intensive. Especially the investigation in viticulture is restricted to an on-site analysis due to the perennial nature of grapevine. Traditionally skilled experts examine small samples and extrapolate the results to a whole plot. Thereby different grapevine varieties and training systems, e.g. vertical shoot positioning (VSP) and semi minimal pruned hedges (SMPH) pose different challenges. In this paper we present an objective framework based on automatic image analysis which works on two different training systems. The images are collected semi automatic by a camera system which is installed in a modified grape harvester. The system produces overlapping images from the sides of the plants. Our framework uses a convolutional neural network to detect single berries in images by performing a semantic segmentation. Each berry is then counted with a connected component algorithm. We compare our results with the Mask-RCNN, a state-of-the-art network for instance segmentation and with a regression approach for counting. The experiments presented in this paper show that we are able to detect green berries in images despite of different training systems. We achieve an accuracy for the berry detection of 94.0% in the VSP and 85.6% in the SMPH. Numéro de notice : A2020-252 Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2020.04.002 date de publication en ligne : 22/04/2020 En ligne : https://doi.org/10.1016/j.isprsjprs.2020.04.002 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94996 [article]

Réservation

Réserver ce document

Exemplaires (3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
081-2020061	SL	Revue	Centre de documentation	Revues en salle	Disponible
081-2020063	DEP-RECP	Revue	MATIS	Dépôt en unité	Exclu du prêt
081-2020062	DEP-RECF	Revue	Nancy	Dépôt en unité	Exclu du prêt

Comparing the roles of landmark visual salience and semantic salience in visual guidance during indoor wayfinding / Weihua Dong in Cartography and Geographic Information Science, vol 47 n° 3 (May 2020)  

Public [article]  inCartography and Geographic Information Science > vol 47 n° 3 (May 2020) . - pp 229 - 243 Titre : Comparing the roles of landmark visual salience and semantic salience in visual guidance during indoor wayfinding Type de document : Article/Communication Auteurs : Weihua Dong, Auteur ; Tong Qin, Auteur ; Hua Liao, Auteur Année de publication : 2020 Article en page(s) : pp 229 - 243 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Termes descripteurs IGN] analyse visuelle [Termes descripteurs IGN] interprétation (psychologie) [Termes descripteurs IGN] oculométrie [Termes descripteurs IGN] point de repère [Termes descripteurs IGN] questionnaire [Termes descripteurs IGN] saillance [Termes descripteurs IGN] scène intérieure [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] test statistique [Termes descripteurs IGN] vision [Termes descripteurs IGN] vision par ordinateur [Vedettes matières IGN] Géovisualisation Résumé : (auteur) Landmark visual salience (characterized by features that contrast with their surroundings and visual peculiarities) and semantic salience (characterized by features with unusual or important meaning and content in the environment) are two important factors that affect an individual’s visual attention during wayfinding. However, empirical evidence regarding which factor dominates visual guidance during indoor wayfinding is rare, especially in real-world environments. In this study, we assumed that semantic salience dominates the guidance of visual attention, which means that semantic salience will correlate with participants’ fixations more significantly than visual salience. Notably, in previous studies, semantic salience was shown to guide visual attention in static images or familiar scenes in a laboratory environment. To validate this assumption, first, we collected the eye movement data of 22 participants as they found their way through a building. We then computed the landmark visual and semantic salience using computer vision models and questionnaires, respectively. Finally, we conducted correlation tests to verify our assumption. The results failed to validate our assumption and show that the role of salience in visual guidance in a real-world wayfinding process is different from the role of salience in perceiving static images or scenes in a laboratory. Visual salience dominates visual attention during indoor wayfinding, but the roles of salience in visual guidance are mixed across different landmark classes and tasks. The results provide new evidence for understanding how pedestrians visually interpret landmark information during real-world indoor wayfinding. Numéro de notice : A2020-169 Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/15230406.2019.1697965 date de publication en ligne : 18/12/2019 En ligne : https://doi.org/10.1080/15230406.2019.1697965 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94841 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
032-2020031	SL	Revue	Centre de documentation	Revues en salle	Disponible

Sea-land segmentation using deep learning techniques for Landsat-8 OLI imagery / Ting Yang in Marine geodesy, Vol 43 n° 2 (March 2020)  

Public [article]  inMarine geodesy > Vol 43 n° 2 (March 2020) . - pp 105 - 133 Titre : Sea-land segmentation using deep learning techniques for Landsat-8 OLI imagery Type de document : Article/Communication Auteurs : Ting Yang, Auteur ; Zhonghua Hong, Auteur ; Yun Zhang, Auteur Année de publication : 2020 Article en page(s) : pp 105 - 133 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 convolutif [Termes descripteurs IGN] extraction automatique [Termes descripteurs IGN] extraction de traits caractéristiques [Termes descripteurs IGN] image Landsat-OLI [Termes descripteurs IGN] littoral [Termes descripteurs IGN] segmentation d'image [Termes descripteurs IGN] segmentation sémantique [Termes descripteurs IGN] trait de côte Résumé : (auteur) Automated coastline extraction from optical satellites is fundamental to coastal mapping, and sea-land segmentation is the core technology of coastline extraction. Deep convolutional neural networks (DCNNs) have performed well in semantic segmentation in recent years. However, sea-land segmentation using deep learning techniques remains a challenging task, due to the lack of a benchmark dataset and the difficulty of deciding which semantic segmentation model to use. We present a comparative framework of sea-land segmentation to Landsat-8 OLI imagery via semantic segmentation in deep learning techniques. Three issues are investigated: (1) constructing a sea-land benchmark dataset using Landsat-8 Operational Land Imager (OLI) imagery consisting of 18,000 km2 of coastline around China; (2) evaluating the feasibility and performance of sea-land segmentation by comparing the accuracy assessment, time complexity, spatial complexity and stability of state-of-the-art DCNNs methods; (3) choosing the most suitable semantic segmentation model for sea-land segmentation in accordance with Akaike information criterion (AIC) and Bayesian information criterion (BIC) model selection. Results show that the average test accuracy achieves over 99% accuracy, and the mean Intersection over Unions (mean IoU) is above 92%. These findings demonstrate that the Fully Convolutional DenseNet (FC-enseNet) performs better than other state-of-the-art methods in sea-land segmentation, based on both AIC and BIC. Considering training time efficiency, DeeplabV3+ performs better for sea-land segmentation. The sea-land segmentation benchmark dataset is available at: https://pan.baidu.com/s/1BlnHiltOLbLKe4TG8lZ5xg. Numéro de notice : A2020-220 Thématique : IMAGERIE Nature : Article DOI : 10.1080/01490419.2020.1713266 date de publication en ligne : 20/01/2020 En ligne : https://doi.org/10.1080/01490419.2020.1713266 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94917 [article]

Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois / Margarita Khokhlova (2020)    

Public Titre : Recherche multimodale d'images aériennes multi-date à l'aide d'un réseau siamois Type de document : Article/Communication Auteurs : Margarita Khokhlova, Auteur ; Valérie Gouet-Brunet , Auteur ; Nathalie Abadie , Auteur ; Liming Chen, Auteur Congrès : RFIAP 2020, Reconnaissance des Formes, Image, Apprentissage et Perception (23 - 26 juin 2020; Vannes, France), Commanditaire Editeur : Berlin [Allemagne] : ResearchGate Année de publication : 2020 Importance : 11 p. Format : 21 x 30 cm Note générale : bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes descripteurs IGN] analyse du paysage [Termes descripteurs IGN] appariement d'images [Termes descripteurs IGN] architecture de réseau [Termes descripteurs IGN] BD ortho [Termes descripteurs IGN] BD Topo [Termes descripteurs IGN] classification barycentrique [Termes descripteurs IGN] classification par réseau neuronal convolutif [Termes descripteurs IGN] détection de changement [Termes descripteurs IGN] données multitemporelles [Termes descripteurs IGN] géolocalisation [Termes descripteurs IGN] image aérienne [Termes descripteurs IGN] image multitemporelle [Termes descripteurs IGN] recherche d'image basée sur le contenu [Termes descripteurs IGN] segmentation sémantique Résumé : (auteur) Cet article présente un réseau multimodal qui met en correspondance des images aériennes de territoires urbains et ruraux français prises à environ 15 ans d'intervalle. Il devrait être invariant à un large éventail de changements, tels que l'évolution du paysage au fil des années. Il exploite les images originales et les régions sémantiquement segmentées et étiquetées. Le coeur de la méthode est un réseau siamois qui apprend à extraire des caractéristiques des paires d'images correspondantes dans le temps et des paires non correspondantes. Ces descripteurs sont suffisamment discriminants pour qu'un simple classifieur k-NN suffise comme critère de géo-correspondance final. Dans cet article, nous dé-montrons que notre descripteur siamois surpasse les autres descripteurs d'images en termes de recherche d'images par contenu à travers le temps. Numéro de notice : C2020-003 Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : sans En ligne : https://www.researchgate.net/publication/342550826_Recherche_multimodale_d%27ima [...] Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95446

Documents numériques

en open access rfiap2020_21_cameraready.pdf Adobe Acrobat PDF

Remote sensing based building extraction / Mohammad Awrangjeb (2020)  

Permalink

Superpixel-enhanced deep neural forest for remote sensing image semantic segmentation / Li Mi in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)  

Permalink

Very high resolution land cover mapping of urban areas at global scale with convolutional neural network / Thomas Tilak (2020)  

Permalink

Accurate detection of built-up areas from high-resolution remote sensing imagery using a fully convolutional network / Yihua Tan in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 10 (October 2019)  

Permalink

Development and evaluation of a deep learning model for real-time ground vehicle semantic segmentation from UAV-based thermal infrared imagery / Mehdi Khoshboresh Masouleh in ISPRS Journal of photogrammetry and remote sensing, vol 155 (September 2019)  

Permalink

Improving public data for building segmentation from Convolutional Neural Networks (CNNs) for fused airborne lidar and image data using active contours / David Griffiths in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Permalink

Pyramid scene parsing network in 3D: Improving semantic segmentation of point clouds with multi-scale contextual information / Hao Fang in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Permalink

Semantic segmentation of road furniture in mobile laser scanning data / Fashuai Li in ISPRS Journal of photogrammetry and remote sensing, vol 154 (August 2019)  

Permalink

Structural segmentation and classification of mobile laser scanning point clouds with large variations in point density / Yuan Li in ISPRS Journal of photogrammetry and remote sensing, vol 153 (July 2019)  

Permalink

Semantic façade segmentation from airborne oblique images / Yaping Lin in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 6 (June 2019)  

Permalink