Adjustement de bloc d'images : examples avec SPOT, Landsat-7 et IKONOS
Notice bibliographique
Résumé
Cette recherche démontre le potentiel de la compensation de bloc d'images de moyenne et haute résolution. La méthode utilise l'outil mathématique de correction géométrique pour les images de source multiple développé au Centre canadien de télédétection. Les résultats avec 17 images de SPOT, 15 images ETM+ de Landsat-7 et 4 images d'IKONOS démontrent que la même précision peut être obtenue avec le même nombre de points d'appui (PA) sur des grands blocs d'images que sur une seule image. Ce nombre de PA, répartis afin éviter les extrapolations planimétriques et altimétrique, dépend de la précision des données cartographiques de façon à réduire la propagation de l'erreur des PA dans la compensation par moindres carrés. Des points de liaison altimétriques sont utilisés dans tous les recouvrements nord-sud et est-ouest quand les différences d'angle de visée d'images adjacentes sont inférieures à 25º. Par contre, si des images adjacentes de SPOT sont choisies avec des angles de visée, dont les différences sont inférieures à 7º, la précision peut être réduite par un facteur de 4 à 6.
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.
Comment cette classification a été obtenuedéplier
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».