Daphné Lercier
Chercheuse en géomatique
Extraction d'objets pour la cartographie par deep-learning : choix du modèle
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
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.
Augmenter l'intéractivité de vos notebooks Jupyter
Dans cet article, nous allons rapidement présenter cet outil que peut être le notebook Jupyter et surtout, ensuite, parler des contrôles (ipywidgets) que nous pouvons utiliser pour rendre les sorties interactives, allant jusqu'à créer de petites interfaces utilisateurs ou tableaux de bord.
Recherche et développement d’indicateurs pour l’aménagement d’un territoire
Nous explorons l’intérêt de calculer automatiquement des indicateurs d’aménagement du territoire en croisant des données OpenStreetMap et des analyses d’images satellitaires.
Cartographier le manteau neigeux avec Python
En quelques lignes de code, nous vous proposons de cartographier le manteau neigeux. Nous utiliserons pour cela les données du réseau nivo-météorologique français, ainsi que les bibliothèques Pandas et Folium.