Détection de véhicules dans des images satellites en hauteur à l'aide d'un modèle de détection d'objets à une étape

Pour améliorer la circulation dans les grandes villes et éviter les congestions, des méthodes avancées de détection et de prédiction du comportement des véhicules sont nécessaires. De telles méthodes nécessitent des informations complexes concernant le nombre de véhicules sur les routes, leurs positions, directions, etc. Une façon d'obtenir ces informations est d'analyser des images aériennes collectées par des satellites ou des drones, et d'en extraire des données à l'aide de modèles d'apprentissage automatique intelligents. Ainsi, dans cet article, nous proposons et présentons un modèle de détection d'objets à une étape pour trouver des véhicules dans des images satellites en utilisant l'architecture RetinaNet et le jeu de données Cars Overhead With Context. En analysant les résultats obtenus par le modèle proposé, nous montrons qu'il a une très bonne précision de détection des véhicules et un temps de détection très faible, ce qui montre qu'il peut être employé pour extraire avec succès des données à partir des données satellites ou de drones en temps réel.