000 02533nam  2200397zi 4500
0019.905567
003CaOODSP
00520240702132051
006m     o  d f      
007cr cn|||||||||
008211202t20222022oncda   ob   f000 0 fre d
020 |a9780660411699
040 |aCaOODSP|bfre|erda|cCaOODSP
043 |an-cn---
0861 |aCS18-001/2021-3F-PDF
1001 |aHabashna, Ala'a Al-, |eauteur.
24510|aClassification des types d'immeubles au moyen d'images prises à partir de la rue à l'aide de réseaux neuronaux convolutifs / |cpar Ala’a Al-Habashna
264 1|a[Ottawa] : |bStatistique Canada = Statistics Canada, |c2022.
264 4|c©2022
300 |a1 ressource en ligne (20 pages) : |bgraphiques, illustrations
336 |atext|btxt|2rdacontent/fre
337 |acomputer|bc|2rdamedia/fre
338 |aonline resource|bcr|2rdacarrier/fre
4901 |aRapports sur les projets spéciaux sur les entreprises
500 |aPublié aussi en anglais sous le titre : Building type classification from street-view imagery using convolutional neural networks.
500 |aPublié aussi en format HTML.
500 |a« Date de diffusion : January 21, 2022. »
504 |aComprend des références bibliographiques (page 20).
520 |a« 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 »--Résumé, page 6.
650 6|aConstructions|zCanada|xClassification.
7102 |aStatistique Canada, |eorganisme de publication.
77508|tBuilding type classification from street-view imagery using convolutional neural networks / |w(CaOODSP)9.905566
830#0|aRapports sur les projets spéciaux sur les entreprises.|w(CaOODSP)9.826504
85640|qPDF|s1.57 Mo|uhttps://publications.gc.ca/collections/collection_2022/statcan/18-001-x/18-001-x2021003-fra.pdf
85640|qHTML|sS.O.|uhttps://www150.statcan.gc.ca/n1/pub/18-001-x/18-001-x2021003-fra.htm