Passer au contenu principal
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

SourceType de données AvalaAnnotation typique
Imagerie satelliteImagePolygones, masques de segmentation, classification
Photographie aérienneImageBoîtes englobantes, polygones
Imagerie droneImage, VidéoBoîtes englobantes, polygones, segmentation
OrthophotosImageMasques de segmentation, classification
Composites temporelsImageClassification, 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 :
InfrastructureType d’annotationAttributs
RoutesPolylignesType de surface, état, largeur
BâtimentsPolygonesType de toit, niveau de dommage, état de construction
Lignes électriquesPolylignesType de portée, présence de pylône
Panneaux solairesPolygonesNombre de panneaux, orientation
Plans d’eauPolygonesType (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

StratégieQuand l’utiliserExemple
Par régionProjets multi-géographiesnorth-america, europe, southeast-asia
Par date de collecteAnalyse temporelleq1-2026, q2-2026
Par résolutionSources de résolutions mixteshigh-res-30cm, medium-res-10m
Par tâcheObjectifs d’annotation différentsbuilding-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

FonctionnalitéObjectifEn savoir plus
Annotation polygoneEmpreintes de bâtiments, limites d’infrastructureOutil Polygone
Annotation segmentationClassification de couverture terrestre au niveau du pixelOutil Segmentation
Annotation boîtes englobantesDétection de véhicules et d’objetsOutil Boîte englobante
Annotation polylignesRoutes, lignes électriques et éléments linéairesOutil Polyligne
ClassificationÉtiquettes de type de terrain et d’état au niveau de la scèneOutil Classification
AutoTagRegroupement basé sur la similarité pour la découverte de scènesAutoTag
Gestion de jeux de donnéesOrganiser l’imagerie par région, date et sourceGestion des jeux de données
SlicesCréer des splits entraînement/validation et des sous-ensembles régionauxAPI Slices
Stockage cloudConnecter S3 ou GCS pour les grandes collections d’imagerieStockage cloud
Contrôle qualitéRévision multi-étapes pour une précision de niveau cartographiqueContrôle 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

1

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.
2

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.
3

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.
4

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.
5

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.
6

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.