Estimation de la géolocalisation d'images à l'aide d'un modèle hiérarchique et de la classification de scènes

Bien que l’estimation réussie de la géolocalisation d’une photo ouvre la voie à un certain nombre d’applications intéressantes, cette tâche reste extrêmement difficile. En raison de la complexité du problème, la plupart des approches existantes sont limitées à des zones spécifiques, à certains types d’images ou à des repères mondiaux. Seules quelques propositions permettent de prédire des coordonnées GPS sans contrainte particulière. Dans cet article, nous introduisons plusieurs méthodes d’apprentissage profond qui adoptent cette dernière approche, en traitant la géolocalisation comme un problème de classification, où la Terre est subdivisée en cellules géographiques. Nous proposons d’exploiter une connaissance hiérarchique issue de plusieurs partitions successives, tout en intégrant également le contenu scénique de l’image — par exemple, environnement intérieur, naturel ou urbain — dans le processus d’apprentissage. Ainsi, des informations contextuelles à différentes résolutions spatiales ainsi que des caractéristiques plus spécifiques pour diverses conditions environnementales sont intégrées dans l’apprentissage du réseau de neurones convolutif. Les résultats expérimentaux sur deux benchmarks démontrent l’efficacité de notre approche, qui surpasser le state of the art tout en utilisant un nombre significativement plus faible d’images d’entraînement et sans dépendre de méthodes de recherche nécessitant un jeu de données de référence approprié.