Qu'est-ce que la segmentation sémantique des images satellites et quels modèles sont utilisés?

La segmentation sémantique d’images satellites consiste à étiqueter chaque pixel de l’image en lui attribuant une classe (par exemple, eau, forêt, ville, terres agricoles). Cela permet une analyse détaillée de la surface terrestre.

Pour cela, on utilise des réseaux neuronaux profonds, notamment :

• U-Net — une architecture populaire pour la segmentation, qui fonctionne bien avec un nombre limité de données.
• DeepLab (v3, v3+) — utilise des pyramides spatiales et des convolutions attributives pour améliorer la qualité de la segmentation.
• SegNet — architecture encodeur-décodeur, efficace pour des tâches à haute résolution.

Un aspect important est le prétraitement des données (correction des distorsions atmosphériques, normalisation) et l’utilisation de canaux multispectraux pour augmenter la précision de la classification.