Nouvel entraînement de reconnaissance d’objets EP 2

La communauté OSM a discuté récemment de lancer de nouveaux entraînements de reconnaissance d’objets, forts des 2 premiers qui se sont bien passés, à savoir les panneaux de signalisation et des plaques d’immatriculation.
L’objectif étant de démarrer des usages sur d’autres objets qui nous seraient utiles pour OSM. Nous en avons discuté sur ce fil. Et puis dans l’objectif de Panoramax, de montrer assez rapidement l’étendue des réutilisations possibles pour motiver les gens à se lancer dans l’aventure.

Comme ce sujet a été évoqué au dernier temps d’échange (13/11/2023), je vous propose sans plus attendre de regarder la liste des objets que la communauté OSM aimerait bien détecter:

  • PEI (poteaux, bouches et panneaux)
  • armoires de rues
  • enseignes
  • arceaux vélo
  • abribus
  • panneaux de jalonnement
  • points d’apport volontaires (verre, vêtements, etc)… pour aussi éviter qu’ils soient pris pour des armoires de rue
  • feux de signalisation
  • panneaux publicitaires: les sucettes, les 4x3…
  • IRVE (bornes de recharges électriques)

Je vous propose de rajouter vos suggestions dans le post suivant.


J’en profite pour remettre ici le petit focus de @cquest sur de quoi on parle.

Je vais préciser quelques contraintes techniques et organisationnelles pour qu’on ne s’éparpille pas trop.

Il faut distinguer détection et classification.

  • La détection permet de repérer au sein d’une image les objets d’une certaine famille. C’est ce qu’on a fait avec le modèle de détection de visages, plaques et panneaux de signalisation.
  • La classification permet sur une image où un seul objet figure de déterminer plus précisément ce à quoi il correspond. C’est ce qu’on fait pour trouver quel type exact de panneau de signalisation a été détecté.

L’annotation est très différente:

  • pour la détection, on prends des images complètes et on sélectionne toutes les zones par bbox et l’on indique la famille d’objet correspondant (la classe)
  • pour la classification, on prends les extraits d’images et on les range dans des dossiers séparés, un par type précis qu’on veut classifier

Dans les deux cas, il faut un volume suffisant d’images pour entraîner le modèle, de l’ordre de quelques centaines / milliers.

Sur la détection, il faut que les classes soit visuellement assez proches pour que l’entraînement soit bon.
Sur les PEI par exemple, j’imagine 3 classes: les poteaux, les bouches, les panneaux qui signalent leur présence, mais on ne va pas créer plus de classes pour les classer plus précisément sauf si l’on entraîne un modèle uniquement pour les PEI et rien d’autre. Pas sûr du résultat d’ailleurs.

Au niveau annotation pour la détection, il faut vraiment annoter de façon exhaustive. Si on a un trop grand nombre de classes, cela va rendre l’annotation assez complexe et la motivation des annotateurs risque d’en prendre un coup car si ils sont avant intéressés par une classe d’objets, il faut aussi qu’ils annotent toutes les autres.

Il faut un équilibre dans le nombre d’objets annotés dans chaque classe pour que l’entraînement soit bon, donc avoir une classe rare (comme les annonce d’extinction nocturne) est assez mauvais pour l’entraînement. Pour ceux-ci, il serait préférable de les inclure en détection de panneaux, puis de les ajouter dans la classification (un petite centaine d’exemples suffira pour l’entraînement).


Vos propositions

  • zebra passage piéton (sera utile pour 2026 et réglementation sur place de parking à distance)
  • panneaux PDIPR

C’est uniquement le premier message qui peut passer en wiki, ce que j’ai fait.

Bonjour,

De mon coté (je ne pense pas que cela intéresse beaucoup de monde en dehors de ma profession de technicien rivière ;-), je me questionne sur la faisabilité d’un travail de détection automatique des arbres/troncs basculés et/ou emportés par les cours d’eau qui m’éviterait de tout pointer manuellement sur Panoramax ou Mapillary à posteriori.

N’étant pas du tout spécialiste, je suis preneur de votre avis sur la faisabilité ou non, les contraintes, les estimations de coûts et les organismes compétents qui pourraient nous aider.

En espérant que je ne suis pas trop hors sujet sur ce post…

Merci d’avance

NB: voici quelques exemples pour visualiser

  1. BADAROUX – 1 houppier de gros peuplier avec 3 charpentières diam 30-50 posé depuis la rive gauche en amont du seuil de la Baraque
    Mapillary cookie policy use

Coordonnées GPS : 44.537121 , 3.563827

  1. MENDE – 1 peuplier diam 30-50 basculé depuis la rive droite sous falaise en face ZA de Gardès
    Mapillary cookie policy use

• Coordonnées GPS : 44.525002 , 3.521713

  1. MENDE – 1 cépée 3 tiges diam 10-30 basculée depuis la rive droite en amont du pont SNCF aval Mende
    Mapillary cookie policy use

• Coordonnées GPS : 44.506612 , 3.460508

  1. BALSIEGES – 1 tronc ébranché diam 10-30 contre la rive gauche en aval du pont routier de la Farelle
    Mapillary cookie policy use

• Coordonnées GPS : 44.488594 , 3.46197

  1. BALSIEGES – 1 arbre diam 10-30 en travers dans l’eau (tombé depuis la rive gauche) en amont immédiat du pont SNCF du Luxembourg
    Mapillary cookie policy use

• Coordonnées GPS : 44.490286 , 3.465163

  1. BALSIEGES – 1 peuplier 30-50 couchés dans l’eau en aval du lagunage de Balsièges
    Mapillary cookie policy use

• Coordonnées GPS : 44.479017 , 3.444024