⚗️ PoC Panoramax: détection/classification de panneaux

Bonjour,

Dans label-studio, j’ai créé et alimenté deux projets :

  • Balise d’intersection J3
  • Panneaux d’agglomération EB10 et EB20

Si le détection automatique peut être lancée sur une instance, je suis preneur pour alimenter OSM.

Merci

J’ai uniquement publié un échantillon avec les STOP mais le reste est fait aussi, je pense tout ceux listés.

1 Like

Merci pour ton retour. Est-ce qu’il y a une possibilité pour y accéder ?

@charles_millet tu as du neuf sur Export de test de panneaux détecté dans les photos de Panoramax - data.gouv.fr

J’ai publié les panneaux que tu listais en attendant d’industrialiser tout ça un peu plus.

2 Likes

Merci, c’est génial !

J’ai publié le reste, 3.4 millions de panneaux détectés et classés :

3 Likes

Très chouette !

Est-ce qu’il serait possible d’avoir un jeu à part avec les panneaux M12 ?

Est-ce qu’il sera possible d’itérer sur ce premier test ? (La majeure partie des vues 360 de Strasbourg sur l’instance IGN ne semblent pas embarquée dans la détection)

Autre question : est-ce qu’il y a des pistes / des travaux en cours sur des calculs de position des panneaux par triangulation ? Si tel est le cas, qui s’en charge ? Est-ce qu’on a une idée du délai pour une première version ?

Dans la même idée, peut être une piste technique par ici GitHub - cazitouni/QgisGLViewer: A simple streetview-like Qgis plugin for equirectangular image visualisation

L’intégralité est désormais disponible sur data.gouv avec un fichier CSV par modèle de panneau.

Effectivement, pour une raison simple, la détection se fait à l’occasion du floutage (on détecte les visages, plaques et panneaux en même temps), mais ce floutage a été fait en amont par la métropole de Strasbourg et donc ces photos ne sont pas passées par la case détection/floutage.

J’ai prévu de les retraiter en simple détection sans floutage.

Oui, cela fait partie des projets. J’ai fait quelques tests sur des photos prises au smartphone.
Je vais modifier la détection pour conserver la position dans la photo ce qui permettra bien plus de chose que ce qui est dispo dans ce premier jet.

Pas encore de planning prévu, mais c’est un sujet important du côté de l’IGN et bien sûr, les données produites seront ouvertes et publiées.

5 Likes

Quel boulot, c’est très prometteur, merci! Petit retour d’epxérience avec Mapillary : leur IA a confondu des panneaux rond avec numéros (adresses d’entreprises) avec le B22a. Exemple à Saint André des eaux dans le 44 Mapillary cookie policy use

1 Like

Oui, c’est pas toujours évident d’éviter des faux positifs à la détection et ensuite déterminer que ce n’est pas un panneau de signalisation.

Pour la partie classification, j’ai créé des classes “poubelle” comme la A0 où j’ai mis les dos de panneaux et il y en a d’autres pour ranger les enseignes ressemblant à des panneaux (Leclerc, Burger King, Pelforth, etc).

C’est pas parfait, mais ça évite le plus gros des erreurs.

1 Like

Bonjour,
désolé, mais j’ai pas compris la question (et n’ai pas regardé le jeu de données publié par Christian (merci, au passage)). Pourquoi parle-t-on triangulation à ce moment du film?

Je pense que l’objectif est de passer de la position de la photo, sur laquelle a été détecté un panneau, partir du principe qu’on a la direction du panneau (son azimut) et qu’à partir de plusieurs photos, les directions convergeraient vers l’emplacement théorique du panneau lui-même. Ça suppose pas mal de données précises et de ce que j’ai retenu de ce que @StephaneP m’a expliqué de la détection des panneaux et de leurs emplacements par Mapillary, elle est beaucoup plus complexe pour arriver à ce résultat.

1 Like

Parce que la position qu’on extrait pour le moment des photos, une à une, c’est la position d’où a été prise la photo, pas la position qu’on peut estimer du panneau (ou alors à très grosse maille).

Dans ce que j’ai publié pour l’instant, il n’y a que cette position de photo et l’orientation du cliché, ainsi que le type de photo (360 ou pas).

J’ai commencé à améliorer le code lors de la détection pour conserver aussi, l’emplacement dans l’image du panneau détecté, ce qui peut avec l’orientation et l’angle de champs d’estimer la direction dans laquelle se trouve le panneau.

On a aussi les dimensions dans l’image du panneau détecté, ce qui pourrait peut-être permettre d’estimer la distance pour une taille standard de panneau.

Je vais traiter en priorité les photos de Strasbourg qui sont en 360 avec un positionnement précis et déjà voir si avec ce type de prise de vue idéale on peut obtenir de bon résultats, puis passer à des prises de vues de plus en plus dégradées.

1 Like

Outre la détection des panneaux, il avait été question à un moment de la détection de divers objets, dont notamment les points d’eau incendie (ce qui intéresse fortement les SDIS). Il y a un travail là-dessus actuellement ou est-ce que ça reste en attente pour plus tard ?

En attente pour le moment mais toujours bien sur la tout-doux liste !

2 Likes

Un beau cas d’usage !

1 Like