MétaCan
Menu
Retour à la cohorte
Enregistrement W2016368078 · doi:10.5589/m11-006

Automatic road extraction in rural areas, based on the Radon transform using digital images

2010· article· en· W2016368078 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCanadian Journal of Remote Sensing · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAutomated Road and Building Extraction
Établissements canadiensnon disponible
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de Minas Gerais
Mots-clésRadon transformComputer scienceGeographyComputer visionCorrectnessArtificial intelligenceCartographyGeologyAlgorithm

Résumé

récupéré en direct d'OpenAlex

AbstractManual digitizing of road maps is an expensive and time-consuming task. We present a method based on the Radon transform, which automatically extracts roads in rural areas from digital images. The proposed method iteratively detects linear segments and then generates road centerlines. The proposed method is composed of two phases: in the first, the seed segments are detected, and in the second, road widths are measured and successive detection of line segments that are candidates as road centerlines is performed. Several tests were carried out using aerial photographs (digital images) of a rural area in Brazil, and the results are presented and discussed. The quality of the extracted road centerlines was computed using the following indexes: completeness, correctness, and RMS. The values obtained show that the proposed methodology performs well.La numérisation manuelle des cartes routières est un travail coûteux et long. Dans ce travail, on présente une méthode basée sur la transformée de Radon permettant d'extraire automatiquement les routes dans les zones rurales à partir d'images numériques. La méthode proposée détecte de façon itérative des segments linéaires et génère ensuite les lignes centrales des routes. La méthode proposée comporte deux phases: dans la première phase, les noyaux des segments sont détectés et, dans la deuxième phase, les largeurs des routes sont mesurées puis, une détection des segments de ligne potentiellement associés aux lignes centrales des routes est réalisée. Différents tests ont été réalisés à l'aide de photos aériennes (images numériques) d'une zone rurale située au Brésil et les résultats sont présentés et discutés. La qualité des lignes centrales des routes extraites a été calculée à l'aide des indices suivants: taux de réalisation, exactitude et erreur quadratique (RMS). Les valeurs obtenues montrent la bonne performance de la méthodologie proposée.[Traduit par la Rédaction] AcknowledgementsThe authors thank FAPEMIG (Research Support Foundation of Minas Gerais) for financial support granted for publication of this paper.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,213
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle