Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "topographical objects" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Prezentacja danych topograficznych w geoserwisach
    Distribution of topographic data in geoinformation services
    Autorzy:
    Olszewski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/385725.pdf
    Data publikacji:
    2009
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    geoserwis
    wizualizacja obiektów topograficznych
    VMap L2
    geoinformation service
    visualisation of topographical objects
    Opis:
    Autor przedstawił koncepcję budowy geoserwisu udostępniającego zgromadzone w zasobie geodezyjnym i kartograficznym dane topograficzne VMap L2 w tzw. strukturze użytkowej oraz dane tematyczne SOZO i HYDRO, a także dane wysokościowe DTED2.
    The author presented a concept of geoinformation service, which distributes reference (VMap L2) and thematic data (SOZO, HYDRO and DTED2), stored in the state resources of geodetic and cartographic data.
    Źródło:
    Geomatics and Environmental Engineering; 2009, 3, 1/1; 37-44
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Koncepcja generalizacji relacji topologicznych w wielorozdzielczej bazie danych georeferencyjnych
    The Concept of Generalization of Topological Relations in Multiresolution Georeference Database
    Autorzy:
    Bielawski, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/346696.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Tematy:
    MRDB
    baza danych obiektów topograficznych
    baza danych obiektów ogólnogeograficznych
    baza danych georeferencyjnych
    topologia
    generalizacja
    Topographical Objects Database
    General Geographic Database
    Georeference Database
    topology
    generalization
    Opis:
    Relacje topologiczne zbiorów danych stanowią ważną część modelu pojęciowego danych przestrzennych. Precyzyjne określenie zasad generalizacji stanowi ważną część opisu produktu, jakim są bazy danych tworzone na podstawie przepisów wykonawczych do ustawy o infrastrukturze informacji przestrzennej. Autor proponuje uzupełnienie obowiązujących przepisów o dodatkowe zapisy, pozwalające na precyzyjny opis relacji topologicznych pomiędzy jednostkami administracyjnymi a sieciami cieków w Bazie Danych Obiektów Ogólnogeograficznych (BDOO). Proponowane zmiany umożliwią też zbudowanie bazy danych w zakresie jednostek administracyjnych i sieci cieków, zgodnej z koncepcją MRDB.
    A set of generalization rules is an important part of the conceptual model for spatial databases created according to the regulations implementing the law on spatial information infrastructure. The author proposes to supplement the existing provisions by additional records to allow precise description of topological relations between administrative units and water courses in the General Geographic Database. The proposed amendments will also allow to build a database for the administrative units and the network of watercourses, compatible with the concept of MRDB.
    Źródło:
    Roczniki Geomatyki; 2012, 10, 3; 37-45
    1731-5522
    2449-8963
    Pojawia się w:
    Roczniki Geomatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza możliwości automatycznej detekcji obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR
    Analysis of the possibility of automatic detection of topographic objects in aerial and satellite images of the VHR
    Autorzy:
    Pluto-Kossakowska, Joanna
    Kamiński, Michał
    Powiązania:
    https://bibliotekanauki.pl/articles/2058369.pdf
    Data publikacji:
    2022
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    uczenie maszynowe
    klasyfikacja obrazów
    obiekty topograficzne
    machine learning
    image classification
    topographical objects
    Opis:
    W artykule podjęto temat uczenia maszynowego w rozpoznawaniu obiektów topograficznych na zdjęciach lotniczych i satelitarnych VHR ze szczególnym uwzględnieniem Bazy Danych Obiektów Topograficznych BDOT10k. Celem prac badawczych było przetestowanie trzech algorytmów klasyfikacji nadzorowanej do automatycznej detekcji wybranych klas obiektów topograficznych, m.in.: budynków, betonowych oraz asfaltowych elementów szarej infrastruktury (drogi, chodniki, place), wód powierzchniowych, lasów, terenów zadrzewionych i zakrzewionych, terenów o niskiej roślinności oraz gleby odkrytej (grunty nieużytkowane, wyrobiska). Przeanalizowano trzy powszechnie stosowane klasyfikatory: Maximum Likelihood, Support Vector Machine oraz Random Trees pod kątem różnych parametrów wejściowych. Wynikiem przeprowadzonych badań jest ocena ich skuteczności w detekcji poszczególnych klas oraz ocena przydatności wyników klasyfikacji do aktualizacji bazy danych BDOT10k. Badania zostały przeprowadzone dla zdjęcia satelitarnego WorldView-2 o rozdzielczości przestrzennej 0,46 m oraz ortofotomapy ze zdjęć lotniczych o dokładności przestrzennej 0,08 m. Wyniki badań wskazują na to, że wykorzystanie różnych klasyfikatorów uczenia maszynowego oraz danych źródłowych wpływa nieznacznie na wynik klasyfikacji. Ogólne statystyki dokładności wskazują, że całościowo klasyfikacja z wykorzystaniem zdjęć satelitarnych dała nieco lepsze rezultaty o kilka punktów procentowych w granicach 76-81%, a dla zdjęć lotniczych 75-78%. Natomiast dla niektórych klas miara statystyczna F1 przekracza wartość 0,9. Testowane algorytmy uczenia maszynowego dają bardzo dobre rezultaty w identyfikacji wybranych obiektów topograficznych, ale nie można jeszcze mówić o bezpośredniej aktualizacji BDOT10k.
    The article deals with the topic of machine learning (ML) in the recognition of topographic objects in aerial and satellite VHR image, with particular emphasis on the Topographic Objects Database (BDOT10k). The aim of the research work was to test three supervised classification algorithms for automatic detection of selected classes of topographic objects, including: buildings, concrete and asphalt elements of grey infrastructure (roads, pavements, squares), surface waters, forests, wooded and bushy areas, areas with low vegetation and uncovered soil (unused lands or excavations). Three commonly used classifiers were analysed: Maximum Likelihood, Support Vector Machine and Random Trees for different input parameters. The result of the research is the assessment of their effectiveness in the detection of individual classes and the assessment of the suitability of the classification results for updating the BDOT10k database. The research was carried out for the WorldView-2 satellite image with a spatial resolution of 0.46 m and orthophotos from aerial images with a spatial resolution of 0.08 m. The research results indicate that the use of different ML classifiers and source data slightly affects the classification result. Overall accuracy statistics show that the classification using satellite images gave slightly better results by a few percentage points in the range from 76% to 81%, and for aerial photos from 75% to 78%. However, for some classes the statistical measure F1 exceeds 0.9 value. The tested ML algorithms give very good results in identifying selected topographic objects, but it is not yet possible to directly update topographical database.
    Źródło:
    Teledetekcja Środowiska; 2022, 62; 5-15
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies