ATLANTIS : Un benchmark pour la segmentation sémantique d'images d'éléments aquatiques

La segmentation sémantique basée sur l’image des masses d’eau et des objets voisins fournit des informations essentielles pour la gestion des ressources en eau et la gestion des urgences liées aux inondations. Toutefois, le manque de jeux de données étiquetés à grande échelle pour les catégories liées à l’eau entrave les recherches sur les problèmes liés à l’eau dans le domaine de la vision par ordinateur. Pour relever ce défi, nous proposons ATLANTIS, un nouveau benchmark pour la segmentation sémantique des masses d’eau et des objets associés. ATLANTIS comprend 5 195 images de masses d’eau, ainsi que des annotations manuelles de haute qualité au niveau pixel pour 56 classes d’objets, incluant 17 classes d’objets artificiels, 18 classes d’objets naturels et 21 classes générales. Nous analysons en détail ATLANTIS et évaluons plusieurs réseaux de segmentation sémantique de pointe sur notre benchmark. En outre, nous avons développé un nouveau réseau neuronal profond, AQUANet, spécifiquement conçu pour la segmentation sémantique des masses d’eau en traitant les régions aquatiques et non aquatiques par deux chemins distincts. AQUANet intègre également une modulation des caractéristiques de bas niveau et une modulation inter-chemins afin d’améliorer la représentation des caractéristiques. Les résultats expérimentaux montrent que le réseau AQUANet proposé surpasser les autres réseaux de segmentation sémantique de pointe sur ATLANTIS. Nous affirmons qu’ATLANTIS constitue le plus grand jeu de données d’images de masses d’eau dédié à la segmentation sémantique, offrant une large gamme de classes d’eau et d’objets liés à l’eau, et qu’il bénéficiera à la fois aux chercheurs en vision par ordinateur et aux ingénieurs en gestion des ressources en eau.