Imagerie satellite et aérienne

Les équipes de télédétection annotent l’imagerie satellite, aérienne et drone pour la classification de l’occupation des sols, la cartographie, la surveillance d’infrastructures et l’analyse environnementale. Avala fournit des outils polygone, segmentation et classification optimisés pour l’imagerie en vue de dessus, ainsi que des fonctionnalités de gestion de jeux de données pour organiser des collections d’images à grande échelle à travers les géographies et les périodes.

Types de données

Source	Type de données Avala	Annotation typique
Imagerie satellite	Image	Polygones, masques de segmentation, classification
Photographie aérienne	Image	Boîtes englobantes, polygones
Imagerie drone	Image, Vidéo	Boîtes englobantes, polygones, segmentation
Orthophotos	Image	Masques de segmentation, classification
Composites temporels	Image	Classification, annotations de détection de changements

Tâches courantes

Classification de l’occupation des sols

Segmentez les images satellite et aériennes en catégories de couverture terrestre : urbain, forêt, eau, agriculture, terrain nu, zone humide et autres types de terrain. Utilisez l’outil de segmentation pour la classification au niveau du pixel sur l’image entière, ou l’annotation polygone pour l’étiquetage au niveau des régions. Exemple de taxonomie d’étiquettes :

{
  "labels": [
    { "name": "urban", "color": "#FF4444" },
    { "name": "forest", "color": "#22AA22" },
    { "name": "water", "color": "#4488FF" },
    { "name": "agriculture", "color": "#AADD44" },
    { "name": "barren", "color": "#BBAA88" },
    { "name": "wetland", "color": "#66BBAA" }
  ]
}

Pour la classification de l’occupation des sols, définissez vos catégories en fonction de la résolution de votre imagerie. La haute résolution satellite (0,3-0,5 m/pixel) supporte des catégories fines comme « résidentiel » vs. « commercial ». La résolution plus basse (10-30 m/pixel) fonctionne mieux avec des catégories plus larges comme « urbain » vs. « rural ».

Extraction d’empreintes de bâtiments

Tracez les contours polygonaux autour des bâtiments pour la cartographie, l’urbanisme et la détection de changements. L’outil polygone supporte :

Édition au niveau des sommets pour les contours précis des toits
Accrochage aux bords pour les bâtiments rectangulaires
Copier-et-ajuster pour les structures répétitives (par ex., maisons en rangée)

Les jeux de données d’empreintes de bâtiments sont utilisés pour l’estimation de population, la cartographie de réponse aux catastrophes et la surveillance de construction.

Comptage de véhicules et d’objets

Détectez et comptez les véhicules, navires, aéronefs et autres objets dans l’imagerie de dessus en utilisant des annotations par boîtes englobantes. Pour les scènes denses (parkings, ports, aéroports), les boîtes englobantes fournissent une annotation rapide avec une précision suffisante pour les modèles de comptage et de détection.

Surveillance d’infrastructures

Annotez les éléments d’infrastructure — routes, ponts, lignes électriques, panneaux solaires, pipelines — pour l’évaluation de l’état et la détection de changements. Les approches courantes incluent :

Infrastructure	Type d’annotation	Attributs
Routes	Polylignes	Type de surface, état, largeur
Bâtiments	Polygones	Type de toit, niveau de dommage, état de construction
Lignes électriques	Polylignes	Type de portée, présence de pylône
Panneaux solaires	Polygones	Nombre de panneaux, orientation
Plans d’eau	Polygones	Type (rivière, lac, réservoir), limites

Détection de changements

Comparez des images de dates différentes pour identifier les changements : nouvelle construction, déforestation, étendue d’inondation, croissance des cultures. Organisez les paires d’images temporelles dans le même jeu de données et annotez les changements avec des étiquettes de classification et des contours polygonaux. Utilisez les champs de métadonnées pour taguer les images avec la date de collecte et la localisation :

metadata.collection_date = "2026-01-15"
metadata.region = "san-francisco-bay"
metadata.satellite = "worldview-3"

Puis filtrez avec le langage de requête pour trouver des fenêtres temporelles spécifiques :

metadata.region = "san-francisco-bay" AND metadata.collection_date = "2026-01-15"

Organisation des jeux de données

Les jeux de données d’imagerie satellite et aérienne tendent à être volumineux — des milliers à des millions d’images à travers les géographies et les périodes. Une organisation efficace est essentielle.

Stratégies d’organisation

Stratégie	Quand l’utiliser	Exemple
Par région	Projets multi-géographies	`north-america`, `europe`, `southeast-asia`
Par date de collecte	Analyse temporelle	`q1-2026`, `q2-2026`
Par résolution	Sources de résolutions mixtes	`high-res-30cm`, `medium-res-10m`
Par tâche	Objectifs d’annotation différents	`building-footprints`, `land-cover`, `vehicle-counting`

Utiliser les slices

Les slices créent des sous-ensembles virtuels sans dupliquer les images :

Créez un slice training avec 80 % des images et un slice validation avec 20 %
Créez des slices par région géographique pour l’évaluation de modèle spécifique à une région
Créez un slice difficult-cases pour les images que les annotateurs se trompent fréquemment

Intégration de stockage cloud

Pour les grandes collections d’imagerie satellite, utilisez l’intégration de stockage cloud pour connecter votre bucket S3 ou GCS directement. Avala lit les images de votre bucket sans nécessiter une étape de téléchargement séparée.

Le stockage cloud est recommandé pour les jeux de données d’imagerie satellite de plus de 10 000 images. Il évite le goulot d’étranglement du téléchargement et conserve vos données dans votre propre stockage avec vos politiques de chiffrement et de rétention.

Fonctionnalités Avala utilisées

Fonctionnalité	Objectif	En savoir plus
Annotation polygone	Empreintes de bâtiments, limites d’infrastructure	Outil Polygone
Annotation segmentation	Classification de couverture terrestre au niveau du pixel	Outil Segmentation
Annotation boîtes englobantes	Détection de véhicules et d’objets	Outil Boîte englobante
Annotation polylignes	Routes, lignes électriques et éléments linéaires	Outil Polyligne
Classification	Étiquettes de type de terrain et d’état au niveau de la scène	Outil Classification
AutoTag	Regroupement basé sur la similarité pour la découverte de scènes	AutoTag
Gestion de jeux de données	Organiser l’imagerie par région, date et source	Gestion des jeux de données
Slices	Créer des splits entraînement/validation et des sous-ensembles régionaux	API Slices
Stockage cloud	Connecter S3 ou GCS pour les grandes collections d’imagerie	Stockage cloud
Contrôle qualité	Révision multi-étapes pour une précision de niveau cartographique	Contrôle qualité

Pipeline exemple

Satellite / aerial imagery collection
  -> Store in S3 or GCS bucket
  -> Connect to Avala via cloud storage integration
  -> Create dataset, attach metadata (region, date, satellite)
  -> Create slices for training/validation splits
  -> Create annotation project (segmentation for land cover, polygons for buildings)
  -> Annotators label imagery with review stages
  -> Export in COCO or GeoJSON-compatible format
  -> Train remote sensing model
  -> Use model predictions for next round of auto-labeling

Commencer

Préparez votre imagerie

Convertissez les images au format JPEG ou PNG. Pour les données géoréférencées, conservez les métadonnées de coordonnées dans des fichiers annexes ou votre système SIG — Avala gère les pixels de l’image.

Téléchargez ou connectez le stockage

Pour les petits jeux de données, téléchargez directement. Pour les grandes collections, connectez votre bucket S3 ou GCS via l’intégration de stockage cloud.

Organisez avec des métadonnées et des slices

Attachez des métadonnées (région, date, satellite source) aux éléments. Créez des slices pour les splits entraînement/validation et les sous-ensembles géographiques.

Créez le projet d'annotation

Définissez votre taxonomie d’étiquettes (classes de couverture terrestre, types de bâtiments, catégories d’infrastructure). Choisissez le type d’annotation adapté à votre tâche.

Annotez et révisez

Distribuez le travail au sein de votre équipe avec des lots de travail. Utilisez la révision multi-étapes pour les exigences de précision de niveau cartographique.

Exportez et entraînez

Exportez les annotations et intégrez-les à votre pipeline d’entraînement de télédétection via l’API ou le SDK.

Prochaines étapes

Outil Polygone

Tracé de contours de précision pour les empreintes de bâtiments et les infrastructures.

Outil Segmentation

Classification au niveau du pixel pour la couverture terrestre et la cartographie de terrain.

Stockage cloud

Connectez votre bucket S3 ou GCS pour les grandes collections d’imagerie.

Bonnes pratiques

Conseils d’organisation de jeux de données, d’utilisation de l’API et d’optimisation des flux d’annotation.

Démarrage

Plateforme

Cas d'utilisation

Types de données

Tâches courantes

Classification de l’occupation des sols

Extraction d’empreintes de bâtiments

Comptage de véhicules et d’objets

Surveillance d’infrastructures

Détection de changements

Organisation des jeux de données

Stratégies d’organisation

Utiliser les slices

Intégration de stockage cloud

Fonctionnalités Avala utilisées

Pipeline exemple

Commencer

Prochaines étapes

Outil Polygone

Outil Segmentation

Stockage cloud

Bonnes pratiques

​Types de données

​Tâches courantes

​Classification de l’occupation des sols

​Extraction d’empreintes de bâtiments

​Comptage de véhicules et d’objets

​Surveillance d’infrastructures

​Détection de changements

​Organisation des jeux de données

​Stratégies d’organisation

​Utiliser les slices

​Intégration de stockage cloud

​Fonctionnalités Avala utilisées

​Pipeline exemple

​Commencer

​Prochaines étapes

Outil Polygone

Outil Segmentation

Stockage cloud

Bonnes pratiques

Types de données

Tâches courantes

Classification de l’occupation des sols

Extraction d’empreintes de bâtiments

Comptage de véhicules et d’objets

Surveillance d’infrastructures

Détection de changements

Organisation des jeux de données

Stratégies d’organisation

Utiliser les slices

Intégration de stockage cloud

Fonctionnalités Avala utilisées

Pipeline exemple

Commencer

Prochaines étapes