Analyses
Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Sujet
Résultats
Tout (2)
Tout (2) ((2 résultats))
- Articles et rapports : 18-001-X2021003Description :
Les microdonnées sur les bâtiments et les infrastructures physiques sont de plus en plus pertinentes pour les programmes statistiques dans les sphères sociale, économique et environnementale. De nouvelles sources de données et des méthodes d’analyse avancées peuvent être utilisées pour générer une partie de cette information. Le présent rapport explique comment les réseaux neuronaux convolutifs (RNC) multiples sont peaufinés aux fins de la classification des bâtiments en fonction de leurs différents types (p. ex. maisons, immeubles d’appartements, bâtiments industriels) au moyen d’images prises à partir de la rue. Les RNC utilisent la structure de la façade dans l’image du bâtiment aux fins de sa classification. Plusieurs RNC de pointe ont été peaufinés pour accomplir la tâche de classification. Les modèles entraînés fournissent une validation de principe et montrent que les RNC peuvent servir à classer les bâtiments au moyen de leurs images prises à partir de la rue. Le rendement obtenu aux phases d’entraînement et de validation des RNC entraînés a été mesuré. De plus, les RNC entraînés sont évalués au moyen d’un ensemble de données de test distinct d’images prises à partir de la rue. Cette approche peut être utilisée pour accroître les renseignements disponibles dans les bases de données de libre accès, comme la Base de données ouvertes sur les immeubles.
Date de diffusion : 2022-01-21 - Articles et rapports : 18-001-X2020002Description :
Le présent document décrit un système à code source ouvert mis au point afin d’estimer automatiquement la hauteur des bâtiments au moyen d’images prises à partir de la rue, de l’apprentissage profond (AP), de techniques avancées de traitement des images et de données géospatiales. Le système a été conçu afin de servir, ultimement, à enrichir la Base de données ouvertes sur les immeubles (BDOI), qui a été publiée par Statistique Canada, dans le cadre de l'Environnement de couplage de données ouvertes (ECDO). Le document présente en outre certains résultats obtenus en matière d’estimation de la hauteur des bâtiments. Certains cas difficiles et l’extensibilité du système sont également abordés.
Date de diffusion : 2020-12-08
Stats en bref (0)
Stats en bref (0) (0 résultat)
Aucun contenu disponible actuellement
Articles et rapports (2)
Articles et rapports (2) ((2 résultats))
- Articles et rapports : 18-001-X2021003Description :
Les microdonnées sur les bâtiments et les infrastructures physiques sont de plus en plus pertinentes pour les programmes statistiques dans les sphères sociale, économique et environnementale. De nouvelles sources de données et des méthodes d’analyse avancées peuvent être utilisées pour générer une partie de cette information. Le présent rapport explique comment les réseaux neuronaux convolutifs (RNC) multiples sont peaufinés aux fins de la classification des bâtiments en fonction de leurs différents types (p. ex. maisons, immeubles d’appartements, bâtiments industriels) au moyen d’images prises à partir de la rue. Les RNC utilisent la structure de la façade dans l’image du bâtiment aux fins de sa classification. Plusieurs RNC de pointe ont été peaufinés pour accomplir la tâche de classification. Les modèles entraînés fournissent une validation de principe et montrent que les RNC peuvent servir à classer les bâtiments au moyen de leurs images prises à partir de la rue. Le rendement obtenu aux phases d’entraînement et de validation des RNC entraînés a été mesuré. De plus, les RNC entraînés sont évalués au moyen d’un ensemble de données de test distinct d’images prises à partir de la rue. Cette approche peut être utilisée pour accroître les renseignements disponibles dans les bases de données de libre accès, comme la Base de données ouvertes sur les immeubles.
Date de diffusion : 2022-01-21 - Articles et rapports : 18-001-X2020002Description :
Le présent document décrit un système à code source ouvert mis au point afin d’estimer automatiquement la hauteur des bâtiments au moyen d’images prises à partir de la rue, de l’apprentissage profond (AP), de techniques avancées de traitement des images et de données géospatiales. Le système a été conçu afin de servir, ultimement, à enrichir la Base de données ouvertes sur les immeubles (BDOI), qui a été publiée par Statistique Canada, dans le cadre de l'Environnement de couplage de données ouvertes (ECDO). Le document présente en outre certains résultats obtenus en matière d’estimation de la hauteur des bâtiments. Certains cas difficiles et l’extensibilité du système sont également abordés.
Date de diffusion : 2020-12-08
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :