KNOXVILLE, TN, 28 février 2025 /24-7PressRelease/ -- Des chercheurs ont développé un pipeline qui intègre des outils de détection et de segmentation IA à zéro-shot pour atteindre une segmentation automatisée robuste des images de télédétection. En tirant parti d'une approche hyper-inférence à fenêtre glissante et d'une étape de rejet des valeurs aberrantes, le pipeline améliore l'identification des caractéristiques telles que les bâtiments, les arbres et les véhicules dans les images aériennes et satellitaires. Cette solution est mise en œuvre sous la forme d'un package Python convivial, LangRS, rendant la segmentation avancée de télédétection accessible à un large éventail d'utilisateurs.

La quantité d'images aériennes et satellitaires capturées dans le monde continue de croître à un rythme incroyable. Pourtant, identifier et étiqueter efficacement les caractéristiques dans ces images, comme les toits, les voitures ou les arbres, peut s'avérer difficile. Un nouveau pipeline développé par des chercheurs du Politecnico di Milano et de l'Université technique nationale d'Athènes s'attaquent à ce problème en combinant des modèles IA avancés avec des stratégies de gestion des données intelligentes.

"Les modèles IA à usage général sont puissants, mais ils ont souvent du mal à localiser des objets inconnus sans entraînement explicite," déclare le professeur Maria Antonia Brovelli du Politecnico di Milano. "En utilisant une approche d'hyper-inférence à fenêtre glissante pour diviser de grandes images en patchs plus petits et plus gérables, et en appliquant une étape de rejet des valeurs aberrantes pour éliminer les détections erronées, nous réduisons considérablement la charge de calcul des modèles et améliorons la précision dans l'identification de caractéristiques spécifiques."

Leur pipeline tire parti de modèles de fond open-source tels que le Segment Anything Model (SAM) et Grounding DINO dans un processus stratégique en deux étapes. Tout d'abord, il détecte intentionnellement trop d'objets pour s'assurer que même les plus petits détails sont capturés. Cela est réalisé grâce à une approche à fenêtre glissante, qui applique le modèle de détection à des patchs d'image plus petits. Cette méthode non seulement réduit la charge de calcul - ce qui est essentiel pour les images de télédétection à grande échelle - mais améliore également la précision de la détection.

Ensuite, le système affine les résultats en filtrant les boîtes englobantes non pertinentes, telles que celles qui sont excessivement grandes ou mal positionnées, en utilisant des techniques statistiques et basées sur les données. Les boîtes englobantes de haute qualité restantes sont ensuite transmises à SAM, qui génère des masques de segmentation précis.

Le pipeline fonctionne de manière zéro-shot, ce qui signifie que les modèles ont été utilisés de manière standard, conservant leurs paramètres d'entraînement d'origine sans aucun réglage ou ré-entraînement supplémentaire sur des données externes. Dans les images aériennes avec une résolution spatiale inférieure à 1 mètre, le pipeline développé a atteint des résultats de segmentation exceptionnels, atteignant jusqu'à 99% de précision.

"En gros, nous profitons de la polyvalence de modèles IA à grande échelle prêts à l'emploi, en construisant un pipeline de traitement robuste développé par Mohanad Diab pour obtenir les meilleurs résultats," ajoute Kolokoussis. Les chercheurs espèrent que ce pipeline rendra l'analyse automatisée des images de télédétection plus accessible, accélérant tout, des enquêtes environnementales à la planification urbaine.

Références
DOI
10.1016/j.aiig.2025.100105

URL de la source originale
https://doi.org/10.1016/j.aiig.2025.100105

Journal
Intelligence Artificielle en Géosciences

Chuanlink Innovations, où des idées révolutionnaires rencontrent leur véritable potentiel. Notre nom, ancré dans l'essence de la transmission et de la connexion, reflète notre engagement à favoriser l'innovation et à faciliter le parcours des idées de la conception à la réalisation.

Lien associé :
http://chuanlink-innovations.com

Avertissement : Cette traduction a été générée automatiquement par NewsRamp™ pour 24-7 Press Release (collectivement désignés sous le nom de "LES ENTREPRISES") en utilisant des plateformes d'intelligence artificielle génératives accessibles au public. LES ENTREPRISES ne garantissent pas l'exactitude ni l'intégralité de cette traduction et ne seront pas responsables des erreurs, omissions ou inexactitudes. Vous vous fiez à cette traduction à vos propres risques. LES ENTREPRISES ne sont pas responsables des dommages ou pertes résultant de cette confiance. La version officielle et faisant autorité de ce communiqué de presse est la version anglaise.