Intervalles de confiance pour l'estimation de superficies à partir d'images satellitaires

Autor: Lambert, Benjamin, Forbes, Florence, Doyle, Senan, Tucholka, Alan, Dojat, Michel
Přispěvatelé: [GIN] Grenoble Institut des Neurosciences (GIN), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Grenoble Alpes (UGA), Pixyl, Modèles statistiques bayésiens et des valeurs extrêmes pour données structurées et de grande dimension (STATIFY), Inria Grenoble - Rhône-Alpes, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire Jean Kuntzmann (LJK), Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP ), Université Grenoble Alpes (UGA)
Jazyk: angličtina
Rok vydání: 2023
Předmět:
Zdroj: GRETSI 2023-XXIXème Colloque Francophone de Traitement du Signal et des Images
GRETSI 2023-XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. pp.1-4
Popis: International audience; La segmentation des images satellites permet d'extraire des métriques de haut-niveau telle que la superficie d'une région d'intérêt. Cependant, ces estimations sont rarement équipées d'intervalles de confiance, ce qui met en cause la fiabilité des algorithmes. Dans cette étude, nous proposons un nouveau modèle de segmentation, TriadNet, qui permet d'obtenir la segmentation de l'image associée à un intervalle de confiance concernant les superficies, en moins de 0.05s par image. L'intérêt de notre approche est démontré sur deux tâches distinctes : la segmentation de bâtiments et de routes, à partir d'images satellite.
Databáze: OpenAIRE