Toute vie humaine est précieuse et, lorsque des événements dramatiques se produisent, de gros efforts sont faits pour la préserver. Afin d’apporter une aide en temps utile ou d’entreprendre l’extraction de personnes en situation de détresse, il est capital de pouvoir les localiser avec précision. On utilise de plus en plus les drones pour les détecter et effectuer leur suivi en pareilles situations. Les drones permettent de capturer des images haute résolution pendant des opérations de recherche et de sauvetage. Il est possible de trouver des survivants grâce à un flux de drone, mais cela nécessite une analyse manuelle. Ce traitement est chronophage et sujet à erreur.
Ce modèle peut détecter la présence d’êtres humains en examinant les images de drone et peut tracer une emprise autour de leur position. Ce modèle est entraîné sur les jeux de données IPSAR et SARD où des êtres humains se trouvent sur des routes en macadam, dans des gravières, dans des herbes rases et hautes et dans des paysages méditerranéens et subméditerranéens. Les modèles de Deep Learning sont capables d’apprendre des sémantiques complexes et peuvent donner de meilleurs résultats. Utilisez ce modèle de Deep Learning pour automatiser la tâche de détection et réduire ainsi le temps et les efforts nécessaires.
Licence requise
Pour réaliser ce processus, les licences suivantes sont nécessaires :
- ArcGIS Desktop : extension ArcGIS Image Analyst pour ArcGIS Pro
- ArcGIS Enterprise : ArcGIS Image Server
- ArcGIS Online : ArcGIS Image for ArcGIS Online
Détails du modèle
Ce modèle présente les caractéristiques suivantes :
- Entrée - Des images de drone haute résolution (31 à 5 centimètres) individuelles ou une orthomosaïque sont utilisées en entrée.
- Sortie - Une classe d’entités contenant les êtres humains constitue la sortie.
- Calcul - Ce processus sollicite de nombreuses ressources de calcul, il est donc recommandé de s’équiper d’un processeur graphique avec des capacités de calcul CUDA 6.0 au minimum.
- Géographies concernées - Ce modèle est prévu pour fonctionner parfaitement dans les paysages méditerranéens et subméditerranéens, mais peut également être testé pour d’autres zones.
- Architecture - Ce modèle utilise l’architecture modèle FasterRCNN mise en œuvre dans ArcGIS API for Python.
- Métriques de l’exactitude - Ce modèle a un score de précision moyen de 0,822 pour la classe des êtres humains.
Accéder et télécharger le modèle
Téléchargez le modèle pré-entraîné Détection de présence humaine (images de drone) à partir de ArcGIS Living Atlas of the World. Vous pouvez également accéder au modèle directement dans ArcGIS Pro ou l’utiliser dans ArcGIS Image for ArcGIS Online.
- Accédez à ArcGIS Living Atlas of the World.
- Connectez-vous à l'aide de vos identifiants de connexion ArcGIS Online.
- Recherchez Détection de présence humaine (images de drone) et ouvrez la page de l’élément à partir des résultats de recherche.
- Cliquez sur le bouton Download (Télécharger) pour procéder au téléchargement du modèle.
Vous pouvez utiliser le fichier .dlpk téléchargé directement dans ArcGIS Pro ou le charger et l’utiliser dans ArcGIS Enterprise. Il est également possible d’optimiser le modèle pré-entraîné, si nécessaire.
Notes de version
Voici les dates et notes de version :
| Date | Remarques |
|---|---|
| Janvier 2022 | Première édition de Détection de présence humaine (images de drone) |
Février 2023 | Deuxième édition de Détection de présence humaine (images de drone) |
Vous avez un commentaire à formuler concernant cette rubrique ?