Détection d'objets sur les photos aériennes... premier essai

Ce sont quoi les tags pour décrire ces réservoirs-bâches ?

C’est histoire de récupérer des photos qui vont bien aller pour l’entraînement…

emergency=water_tank + water_tank:type=flexible
Le 2ème tag c’est un peu moi qui l’ai inventé, donc tu risques de ne trouver des occurrences que dans l’Hérault ou les départements limitrophes ! :wink:
Et j’ai aussi ajouté quelques cas de amenity=water_tank + water_tank:type=flexible pour ceux qui servent à l’irrigation et ne sont pas utilisés/utilisables par les services de secours (ça dépend des raccords qui sont présents dessus).

Tu n’es pas plutôt censé combiner avec man_made = reservoir_covered, cf Tag:emergency=water_tank - OpenStreetMap Wiki ?

C’est clairement pas un réservoir couvert.

Ce sont des équipements à usage exclusif des services de secours pour des interventions donc un reservoir_covered ne me semble pas pertinent. Personne n’a le droit de les utiliser comme réservoirs d’eau pour l’irrigation ou en cas de grosse soif. :wink:

Et les piscines…

Sans Capgemini, ni Google… et sans les 24M€ !

2 Likes

Bel élan !

  • les équipements sportifs : tennis, basket, foot, citystade. Car il y a la base des équipements publics, mais forcément uniquement public.

  • les ouvrages techniques électriques : panneaux photovoltaïques, poteaux électriques / lampadaires, éoliennes

1 Like

Les bâches souples incendies pourraient sûrement être confondues avec d’autres installation (comme des méthaniseurs, cf celui ci par ex). Même couleur, même forme mais l’utilité n’est pas la même.

Les contraintes à ne pas oublier:

  • des objets suffisamment reconnaissables (d’une surface suffisante)
  • plutôt homogènes

Les terrains de sport ça rentre assez bien dans ces critères.

1 Like

water_tank=flexible serait plus propre.

Pourquoi pas. Je vous laisse en débattre entre spécialistes, les discussions sur les tags c’est pas trop mon truc. Et j’adapterai tous les objets que j’ai ajouté en fonction de la décision qui sera prise.

Voilà qui est fait… avec en plus la récupération des coordonnées des objets détectés.

Y’a plus qu’à voir si on alimente Osmose avec ? @frodrigo ça te dit ?

J’estime le taux de faux positifs à 5% environ (vérification faite visuellement sur une centaine de détections).

2 Likes

Tu n’avait pas précisé que c’était sur FR94 ?

Sur le 94 et le 89.

Faut bien commencer quelque part…

Je vais améliorer avant d’étendre.

En fait je pensais au titre : il n’y pas pas de précision sur les territoires couverts.

@zimmy les metadonnées, sont bien renseignées :wink:
Et ca se voit aux 2 noms de fichiers.

Je ne vois pas de texte explicite. Le chiffre sur le fichier n’induit pas forcément que c’est un département à moins de mettre FR89 et FR94. Mais il y a le texte qui ne précise pas que seuls 2 départements sont pour l’instant concernés.

I-té-ra-tif…

En plus là, j’ai créé un jeu avec uniquement les places PMR, c’était pour le partager rapidement et avoir des retours éventuels.

Je viens de générer un autre CSV sur le 89, avec les 4 classes: pmr, xing, bus, pool

Les faux positifs que j’ai constaté en passant en revue 100 détections de chaque classe sont:

  • 0% sur les arrêts de bus
  • 2% sur les passages piéton
  • 5% sur les piscines
  • 6% sur les stationnements PMR

J’ai limité la confiance à 0.75 on peut descendre pour avoir plus de détections, mais les faux positifs vont aussi monter… jusqu’à ce qu’on affine le modèle avec plus d’annotations car il n’y a qu’un millier d’images annotées pour l’instant :wink:

C’est pas parfait, mais c’est prometteur avec peu d’efforts ça permet de repérer des objets manquants, pas tous c’est sûr.

Je pense aussi aux skateparks (mais peut-être trop hétérogènes ?)
Et aux aires d’atterrissage / décollage type héliports (avec un gros H visible sur une ortho ?)