Résultats de la compétition Landslide4Sense 2022 : détection avancée des glissements de terrain à partir d’images satellitaires multi-sources

Les résultats scientifiques de la compétition Landslide4Sense (L4S) 2022, organisée par l’Institut de recherche avancée en intelligence artificielle (IARAI), sont présentés ici. L’objectif de cette compétition consiste à détecter automatiquement les glissements de terrain à partir de grandes quantités d’images satellites provenant de sources multiples et recueillies à l’échelle mondiale. La version 2022 de L4S vise à promouvoir la recherche interdisciplinaire sur les dernières avancées des modèles d’apprentissage profond (DL) pour la tâche de segmentation sémantique à l’aide d’images satellites. Ces dernières années, les modèles fondés sur l’apprentissage profond ont atteint des performances satisfaisantes dans l’interprétation d’images, grâce au développement des réseaux de neurones convolutifs (CNN). L’objectif principal de cet article est de détailler les algorithmes les plus performants mis en œuvre lors de cette compétition. Les solutions gagnantes s’appuient sur des modèles de pointe tels que Swin Transformer, SegFormer et U-Net. Des techniques et stratégies avancées d’apprentissage automatique, telles que l’extraction d’exemples difficiles (hard example mining), l’auto-entraînement (self-training) et la data augmentation par mix-up, ont également été exploitées. En outre, nous décrivons le jeu de données de référence L4S afin de faciliter les comparaisons ultérieures, et présentons les résultats de l’évaluation de précision en ligne. Les données sont accessibles via le classement des développements futurs (Future Development Leaderboard) pour une évaluation ultérieure à l’adresse suivante : \url{this https URL}. Les chercheurs sont invités à soumettre de nouvelles prédictions, à évaluer la précision de leurs méthodes, à les comparer à celles d’autres utilisateurs, et, idéalement, à améliorer les résultats de détection des glissements de terrain rapportés dans cet article.