L'apport de l'analyse de texture et des réseaux de neurones dans la cartographie de l'utilisation du sol en milieu urbain cas de la ville de Sherbrooke
Notice bibliographique
Résumé
Dans ce projet de mémoire nous avons étudié l'utilité de la texture et des réseaux de neurones pour la classification du milieu urbain de la ville de Sherbrooke. Nous avons développé dans le chapitre l, le problème de la cartographie du milieu urbain par les méthodes conventionnelles. Après nous avons fixé des objectifs spécifiques; (i) l'amélioration de la classification d'une image Ikonos de la ville de Sherbrooke par l'ajout de la texture, (ii) l'évaluation des réseaux de neurones pour la classification d'un milieu urbain et (iii) la comparaison entre ces différentes méthodes de classification. Dans le chapitre 2, nous avons détaillé théoriquement les méthodes utilisées. On a commencé par la méthode du maximum de vraisemblance mais vu que cette méthode est utilisée dans ce projet juste pour comparer ses résultats avec les autres méthodes, nous ne l'avons pas détaillée beaucoup. Dans le chapitre 3, nous avons développé la méthodologie. On a commencé par un organigramme qui prend en détail les différentes étapes à suivre."--résumé abrégé par UMI.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».