MERGING OF HETEROGENEOUS DATA FOR EMERGENCY MAPPING: DATA INTEGRATION OR DATA FUSION?
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.
Notice bibliographique
Résumé
Many terms are used to name and define these data operations: “fusion ” and “integration ” of geospatial data or “integration (or fusion) of digital images and geospatial information”, as well as “revision (or updating) of geospatial (or topographic) information (or data bases). The present paper will try first to delimitate the use of these terms in the context of the research work done for the CIT-O (Centre for Topographic information – Ottawa, Natural Resources Canada). In an emergency situation the authorities in charge of mapping support will face two major challenges: 1) to deliver ‘immediately ’ up-to-date existing topographical information showing the situation before the emergency occurs (position of existing roads, bridges, community facilities, strategic buildings, etc.); 2) to get as quick as possible digital images from the disaster area in order to understand and monitor the situation, to evaluate the damages and the risk for injuries or more damages and to support the rescue operations. To meet these challenges there is a need to deal with a range of heterogeneous geodata consisting for example of various sources, geometries, scales, resolutions, types, accuracies and dates. In an emergency mapping situation, the choice of data sources to be integrated / fused could be limited and the user can be forced to use data and images with a resolution outside the normal limits. The present work evaluates the fusion of images with a significant difference in spatial resolution in the typical framework of an emergency mapping project. It also investigates the fusion possibilities of the various data with respect to their enhancement of feature interpretation and extraction as well as the integration of imagery with existing topographic data. Relations and criteria are
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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