ResAttUNet : Détection des déchets marins à l’aide d’un ResAttUNet à activation d’attention

Actuellement, une quantité importante de recherches a été menée dans le domaine de la télédétection grâce à l’utilisation de techniques d’apprentissage profond. L’introduction de MARIDA (Marine Debris Archive), un ensemble de données open-source accompagné de résultats de référence pour la détection des déchets marins, a ouvert de nouvelles voies pour appliquer les techniques d’apprentissage profond à la détection et à la segmentation de ces déchets. Ce papier présente une nouvelle méthode de segmentation basée sur l’attention, qui surpasser les résultats actuels de l’état de l’art publiés avec MARIDA. Il introduit également une architecture innovante de encodeur et décodeur sensible à l’espace, conçue pour préserver les informations contextuelles et la structure des régions de vérité terrain rares présentes dans les images. Les résultats obtenus devraient faciliter des recherches ultérieures sur l’apprentissage profond utilisant des images de télédétection. Le code source est disponible à l’adresse suivante : https://github.com/sheikhazhanmohammed/SADMA.git