Ce projet fournit une base de code pour évaluer et comparer des méthodes de détection de l'apparition de bâtiments dans des séries temporelles d'orthophotographies aériennes françaises (IGN).
La tâche consiste à identifier, pour un bâtiment donné, le premier instant dans une série d'images où ce bâtiment devient visible — c'est-à-dire à prédire un indice temporel frame_id ∈ [0, T-1].
.
├── configs/ # Fichiers de configuration (YAML)
├── data/ # Code de chargement des données
├── models/ # Implémentations de modèles (AnySat, FLAIR-HUB, etc.)
├── utils/ # Fonctions utilitaires (visualisation, métriques)
├── train.py # Script d'entraînement et d'évaluation
|── threshold.py # Script d'évaluation par seuils (pour config_seuil.yaml)
<root_path>/
<dep_id>/
orthoimage/
<building_id>/
<YYYY_...>.tif # Une image par date disponible
emprise.tif # Masque binaire de l'emprise du bâtiment
| Split | Départements | Nb deps |
|---|---|---|
| Test | 12, 15, 22, 26, 36, 61, 64, 68, 69, 71, 73, 75, 76, 83, 84, 85 | 16 |
| Val | 04, 14, 29, 31, 58, 66, 67, 77 | 8 |
| Train | Les départements (Métropole + Corse) restants excepté le 08 | 71 |
Chaque image est un GeoTIFF de taille (C, H, W) avec H = W = 512 pixels.
Les canaux sont harmonisés automatiquement à 4 canaux (R, G, B, IR) :
| Canaux source | Canaux produits | n_channels |
|---|---|---|
| RGB (3) | R, G, B + IR=0 | [1, 1, 1, 0] |
| IR seul (1) | R=0, G=0, B=0, IR | [0, 0, 0, 1] |
| RGBIR (4) | R, G, B, IR | [1, 1, 1, 1] |
python -m venv datation-env
source datation-env/bin/activate
pip install -r requirements.txtmkdir results
mkdir ckptTélécharger les poids de modèles pré-entraînés (ex. FLAIR-HUB) et les placer dans ckpt/.
- FLAIR-HUB IR : lien de téléchargement
- FLAIR-HUB RGB : lien de téléchargement
- FLAIR-INC RGB-IR : lien de téléchargement
- FLAIR-INC RGB : lien de téléchargement