Couplage de données géographiques participatives et d'images aériennes par apprentissage profond

Nicolas Audebert 1, 2 Bertrand Le Saux 2 Sébastien Lefèvre 1
1 OBELIX - Environment observation with complex imagery
UBS - Université de Bretagne Sud, IRISA-D5 - SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE
Résumé : Ce travail porte sur l'utilisation des données OpenStreetMap (OSM) pour la segmentation sémantique d'images de télédétection. Suite aux succès récents obtenus grâce aux réseaux de neurones profonds pour la classification de données multispectrales, hyperspectrales, radar et LiDAR, nous nous intéressons à l'intégration de données géographiques, rarement utilisées dans ces procédés d'apprentissage. En particulier, nous présentons deux architectures permettant d'apprendre simultanément à partir de données OSM et d'images aériennes ou satellites, l'une basée sur le raffinement de cartes et l'autre sur la fusion de données hétérogènes. Nos résultats sur le jeu de données ISPRS Potsdam montrent que l'utilisation des données OSM améliore la qualité des cartes obtenues et accélère la convergence des réseaux lors de la phase d'apprentissage.
Liste complète des métadonnées

Cited literature [15 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-01672870
Contributor : Sébastien Lefèvre <>
Submitted on : Thursday, June 7, 2018 - 11:54:59 AM
Last modification on : Tuesday, March 26, 2019 - 2:24:45 PM
Document(s) archivé(s) le : Saturday, September 8, 2018 - 12:52:08 PM

Identifiers

  • HAL Id : hal-01672870, version 1

Citation

Nicolas Audebert, Bertrand Le Saux, Sébastien Lefèvre. Couplage de données géographiques participatives et d'images aériennes par apprentissage profond. GRETSI, 2017, Juan-les-Pins, France. ⟨hal-01672870⟩

Share

Metrics

Record views

593

Files downloads

99