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

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

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.
Publiée
2018-09-21
Comment citer
POSTADJIAN, Tristan et al. 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, [S.l.], n. 217-218, p. 73-86, sep. 2018. ISSN 1768-9791. Disponible à l'adresse : >https://www.sfpt.fr/rfpt/index.php/RFPT/article/view/418>. Date de consultation : 26 août 2019
Rubrique
Meilleurs articles CFPT 2018