LaRS : Un jeu de données et un benchmark diversifiés pour la détection panoramique d'obstacles maritimes

Les progrès dans la détection d'obstacles en milieu maritime sont freinés par le manque de jeux de données diversifiés capables de capturer adéquatement la complexité des environnements maritimes généraux. Nous présentons le premier benchmark de détection panoptique d'obstacles en milieu maritime, appelé LaRS, qui inclut des scènes provenant de lacs, de rivières et de mers. Notre contribution majeure réside dans la création d’un nouveau jeu de données, le plus diversifié à ce jour parmi les jeux de données existants en termes de localisations d’enregistrement, de types de scènes, de classes d’obstacles et de conditions d’acquisition. Le jeu de données LaRS comprend plus de 4 000 images clés annotées au niveau pixel, chacune accompagnée de neuf images précédentes afin d’exploiter les textures temporelles, pour un total dépassant 40 000 images. Chaque image clé est annotée avec 8 classes de « thing », 3 classes de « stuff » et 19 attributs scéniques globaux. Nous rapportons les résultats obtenus par 27 méthodes de segmentation sémantique et panoptique, accompagnés d’analyses de performance et de pistes de recherche futures. Pour assurer une évaluation objective, nous avons mis en place un serveur d’évaluation en ligne. Le jeu de données LaRS, l’outil d’évaluation et le benchmark sont accessibles publiquement à l’adresse suivante : https://lojzezust.github.io/lars-dataset