+33 1 85 800 801 contact@namr.com

Chez namR, une partie des données que nous produisons provient d’images aériennes. Ces dernières sont une source riche en information puisqu’elles nous permettent d’identifier de nombreuses caractéristiques concernant les toits des bâtiments.

Ainsi par exemple, nous arrivons à identifier le type et le matériau des toits des bâtiments. Nous pouvons également détecter la présence de panneaux solaires sur ces toits ou d’autres objets (fenêtres sur toit, cheminées, conduite d’aération etc.).

Quel usage ?

Ces informations extraites d’images aériennes sont précieuses. Par exemple, connaître la présence de fenêtres de toit peut indiquer le statut d’occupation des combles. C’est aussi une caractéristique importante pour estimer le risque d’infiltration d’eau. Détecter la présence d’une ventilation mécanique contrôlée avec une centrale de traitement d’air nous renseigne sur le type de ventilation du bâtiment. D’autre part, la présence d’une usure de toit peut nous aider à identifier les toits endommagés qui nécessitent des travaux de rénovation. Le type et le matériau du toit nous informent également sur la possibilité d’installer des panneaux solaires.

Dans cet article, nous allons présenter comment nous sommes arrivés à prédire la présence d’objets sur les toits de bâtiments à partir des images aériennes.

Démarche

Les modèles d’apprentissage profond (Deep Learning) sont conçus pour pouvoir extraire de l’information à partir des images. Notre but étant de prédire la présence d’un ou de plusieurs objets sur toit, il s’agit d’un problème de classification qui rentre dans le cas d’apprentissage supervisé. Ceci implique le besoin d’un grand nombre de données labellisées (images aériennes de toits contenant l’information de présence d’objets).

La première étape est donc l’annotation des images aériennes. Il s’agit de mobiliser des personnes ayant une connaissance des objets que nous désirons détecter, et qui vont annoter des images prises partout en France métropolitaine, en indiquant à chaque fois le ou les objets qui y sont présents. Leur détourage, qui permettra de les segmenter d’une manière précise, fera l’objet d’un article ultérieur. Environ 50 000 images aériennes ont été annotées à ce jour par les équipes de namR.

Pour consulter l’intégralité de l’article, rendez-vous sur Medium !