Makina Blog
GeoCompostelle, épisode 1, un projet collaboratif à l’origine de l’application GeoSentier
SIG
05/07/2021
Une diversité d'acteurs pour un projet innovant.
Tour d’horizon des serveurs de tuiles vectorielles pour fond de carte
SIG
12/05/2021
Parcours des différentes étapes et composants de piles logicielles existantes pour la production de tuiles vectorielles.
Makina Corpus collabore avec l'Ecole Nationale des Sciences Géographiques pour le développement de l'outil geolabel-maker
SIG
15/01/2021
Dans le cadre de nos activités R&D, Makina Corpus a proposé à Arthur Dujardin, étudiant de l’École Nationale des Sciences Géographiques, de contribuer aux développements de l'outil geolabel-maker.
Makina Corpus était aux GéoDataDays 2020
SIG
21/09/2020
Les 15 et 16 septembre 2020, Makina Corpus soutenait et participait aux Géodatadays 2020.
QGIS : le nouveau support des tuiles rasters et vectorielles
SIG
20/07/2020
La dernière version de QGIS 3.14 apporte deux nouveaux types de calques : les tuiles rasters et les tuiles vectorielles.
IA et cartographie : l'IA pour découvrir un territoire [Article 2]
SIG
20/07/2020
Deuxième article de notre série sur les applications de geoIA : comment les techniques d'intelligence artificielle peuvent aider à la découverte d'un territoire ?
IA & cartographie : l'IA pour créer des cartes [Article 1]
SIG
10/07/2020
Premier article de notre série sur les applications de geoIA : comment les techniques d'intelligence artificielle peuvent aider à la création de cartes ?
Web mapping : comparaison des serveurs de tuiles vectorielles depuis Postgres / PostGIS
SIG
03/07/2020
Un ensemble de serveurs de tuiles vectorielles basés sur la fonction ST_AsMVT() de PostGIS sont disponibles. Makina Corpus vous propose un tour d’horizon des spécificités des différentes solutions.
Extraction d'objets pour la cartographie par deep-learning : évaluation du modèle
Data Science
08/06/2020
Voici le dernier article de notre série sur la cartographie par deep-learning. Après avoir expliqué comment choisir et utiliser un modèle d'extraction d'objets, nous allons maintenant en évaluer les performances. Que pouvons-nous attendre du modèle entraîné ? Quels sont ses limites et ses sensibilités ?
Application cartographique : TerraVisu
SIG
02/06/2020
Extraction d'objets pour la cartographie par deep-learning : choix du modèle
SIG
02/06/2020
Deuxième article de la série sur la cartographie par deep-learning à partir d'images aériennes ou satellitaires.
Extraction d'objets pour la cartographie par deep-learning : création d'une vérité terrain
SIG
18/05/2020
Cette série d'articles parle de cartographie par deep-learning à partir d'images aériennes ou satellitaires. Dans ce 1er article, l'étape préliminaire à toute utilisation d'un modèle d'apprentissage supervisé est abordée: la création du jeu de données d'apprentissage. Notre outil geolabel-maker est mis à votre disposition pour vous aider.
