Détection d'objets de petite taille dans les images aériennes

La détection d'objets dans les images satellites a connu des progrès considérables ces dernières années. Toutefois, la détection d'objets de petite taille dans les images aériennes reste un problème particulièrement difficile, en raison du faible nombre de pixels qu'ils contiennent et de leur forte tendance à être confondus avec le fond. Afin de stimuler la recherche en détection d'objets de petite taille sur images aériennes, nous proposons un nouveau jeu de données dédié à cette tâche : AI-TOD (Tiny Object Detection in Aerial Images). Plus précisément, AI-TOD comprend 700 621 instances d'objets réparties sur 28 036 images aériennes, couvrant huit catégories d'objets. Par rapport aux jeux de données existants pour la détection d'objets dans les images aériennes, la taille moyenne des objets dans AI-TOD est d’environ 12,8 pixels, ce qui est significativement plus petite que celle des autres jeux de données. Pour établir une référence (benchmark) pour la détection d'objets de petite taille dans les images aériennes, nous évaluons les détecteurs d'objets les plus avancés sur notre jeu de données AI-TOD. Les résultats expérimentaux montrent que l'application directe de ces méthodes sur AI-TOD conduit à des performances sous-optimales, indiquant ainsi la nécessité de concevoir de nouveaux détecteurs spécialisés pour la détection d'objets de petite taille. En conséquence, nous proposons un réseau d'apprentissage basé sur plusieurs points centraux (M-CenterNet) afin d'améliorer la précision de localisation dans la détection d'objets de petite taille. Les résultats expérimentaux démontrent une amélioration significative par rapport aux méthodes concurrentes.