Détection automatique des piscines sur la base d'images aériennes pour les services cantonaux du cadastre
Dans l’objectif de développer une méthodologie de détection automatique d’objets sur la base d’images aériennes, un premier projet exploratoire a été lancé pour détecter les piscines. Les résultats de ce projet permettent aux cantons qui possèdent un registre des piscines cadastrées de le mettre à jour plus régulièrement, en automatisant une partie du processus.
Pour valider le détecteur et affiner la méthodologie, le travail a été effectué sur le territoire de trois cantons différents : le canton de Genève, de Neuchâtel et de Thurgovie.
Pour effectuer des détections en utilisant un réseau de neurones, il faut construire un jeu de données d’entrainement. Ces données permettent au réseau de neurones d’apprendre à identifier des piscines. C’est un investissement en temps assez conséquent à effectuer en amont. Il faut manuellement labéliser les piscines sur une partie du territoire. Ayant produit des données d’entrainement sur le canton de Genève et de Neuchâtel, nous avons ensuite pu démontrer qu’il était possible d’effectuer la détection sur le canton de Thurgovie sans devoir créer un nouveau jeu de données spécifique à ce canton.
Les livrables de ce projet sont les suivants : une méthodologie et des outils permettant à tous les cantons qui le souhaitent d’effectuer une détection automatique des piscines, en utilisant un réseau de neurones pré-entrainés (et donc sans avoir à créer manuellement un jeu de données d’entrainement spécifique).
Comme premier cas pratique, le détecteur a été utilisé sur le canton de Genève où il a permis d’identifier 223 piscines non répertoriées. Le service du cadastre a ainsi pu prendre les mesures nécessaires pour mettre à jour ce registre plus rapidement.
N’hésitez pas à prendre contact avec nous si vous souhaitez que l’on vous mette à disposition la méthodologie et les outils utilisés. L’équipe du Swiss Territorial Data Lab est à disposition pour effectuer un « transfert technologique » des solutions développées.
La description détaillée du projet peut être consultée ici.
Le code source est accessible sur Github.