Classification à très large échelle d'images satellites à très haute résolution spatiale par réseaux de neurones convolutifs

Auteurs-es

  • Tristan Postadjian UPE
  • Arnaud Le Bris
  • Hichem Sahbi
  • Clément Mallet

DOI :

https://doi.org/10.52638/rfpt.2018.418

Résumé

Les algorithmes de classification constituent un outil essentiel pour le calcul de cartes d'occupation des sols. Les récents progrès en apprentissage automatique ont montré les très grandes performances des réseaux de neurones convolutifs pour de nombreuses applications, y compris la classification d'images aériennes et satellites. Ce travail établit une stratégie quant à l'utilisation d'un réseau de neurone convolutif pour la classification d'images satellites à très haute résolution spatiale, couvrant de très larges régions géographiques, avec pour perspective future le calcul de cartes d'occupation des sols à l'échelle d'un pays.

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Téléchargements

Publié-e

2018-09-21

Comment citer

Postadjian, T., Le Bris, A., Sahbi, H., & Mallet, C. (2018). Classification à très large échelle d’images satellites à très haute résolution spatiale par réseaux de neurones convolutifs. Revue Française de Photogrammétrie et de Télédétection, (217-218), 73–86. https://doi.org/10.52638/rfpt.2018.418

Numéro

Rubrique

Meilleurs articles CFPT 2018

Articles les plus lus du,de la,des même-s auteur-e-s

1 2 > >>