SORA-DET, une IA légère pour détecter plus vite les objets vus par les drones

Les drones peuvent couvrir rapidement une zone difficile d’accès, mais l’image qu’ils transmettent n’a de valeur opérationnelle que si elle peut être interprétée sans délai. Repérer un véhicule, un bateau, une personne ou un élément d’infrastructure dans un flux aérien exige pourtant une puissance de calcul dont les petits aéronefs ne disposent pas toujours. C’est à ce compromis entre précision et sobriété que s’attaque SORA-DET, une architecture de détection d’objets développée à l’Université métropolitaine d’Osaka.

Présentée le 27 septembre 2025 dans la revue Scientific Reports, cette recherche propose de réduire le poids d’un modèle d’apprentissage profond sans renoncer aux informations visuelles nécessaires pour distinguer des objets très différents. Les résultats annoncés sont particulièrement notables pour une application embarquée : près de 88,1 % de paramètres en moins que des détecteurs conventionnels à une étape dans la comparaison menée par les chercheurs, pour un temps d’inférence de 5,4 millisecondes.

Pourquoi la détection aérienne est-elle si exigeante ?

La télédétection consiste à recueillir des informations sur un lieu ou un objet sans contact direct. Avec un drone équipé d’une caméra, elle permet par exemple de cartographier un quartier, d’observer un littoral, d’évaluer une zone touchée par une catastrophe ou de suivre l’évolution d’un environnement naturel.

La détection d’objets va plus loin que la simple classification d’une image. Le système doit à la fois identifier une catégorie, par exemple un véhicule ou une embarcation, et localiser chaque élément repéré à l’aide d’un cadre dans l’image. Pour réussir, il doit faire face à plusieurs difficultés propres aux prises de vue aériennes :

• les objets peuvent n’occuper qu’une très petite partie de l’image ;
• leur apparence change selon l’altitude, l’angle de vue et la perspective ;
• une scène peut contenir des objets de tailles très éloignées, du bâtiment à l’objet mobile ;
• les contraintes d’énergie, de masse et de calcul limitent les capacités du matériel embarqué.

Un modèle très volumineux peut fournir de bons résultats sur un serveur puissant, mais il n’est pas nécessairement adapté à un drone. Plus il contient de paramètres, plus il réclame généralement de mémoire et de calcul. Pour certaines missions, transmettre toutes les images vers une infrastructure distante peut aussi introduire un délai. L’intérêt d’un modèle léger est donc de rapprocher l’analyse de la caméra, à condition que cette réduction ne dégrade pas trop la qualité de détection.

Une architecture pensée pour les contraintes des UAV

SORA-DET signifie Shallow-level Optimized Reparameterization Architecture Detector. Le système a été mis au point par une équipe de l’Université métropolitaine d’Osaka, dirigée par Hoang Viet Anh Le et le professeur associé Tran Thi Hong. Son objectif est clair : concevoir un détecteur à la fois compact, rapide et suffisamment précis pour analyser les images captées par des UAV, l’acronyme anglais couramment employé pour les drones.

Les chercheurs s’appuient sur deux briques principales. La première est le Partial Reparameterization Convolution Block, abrégé en PRepConvBlock. La seconde est un réseau de pyramide de caractéristiques bi-directionnel peu profond, appelé Shallow Bi-directional Feature Pyramid Network, ou SB-FPN.

Ces termes peuvent sembler abstraits, mais ils répondent à deux besoins très concrets. Le PRepConvBlock vise à extraire efficacement les motifs présents dans l’image tout en diminuant la complexité des opérations de convolution. Le SB-FPN cherche, lui, à mieux associer les détails fins et la compréhension globale de la scène.

Comment le PRepConvBlock et le SB-FPN améliorent-ils l’analyse ?

Dans un réseau de vision par ordinateur, une convolution applique des filtres à l’image pour en faire ressortir progressivement des caractéristiques : contours, textures, formes, puis structures plus complexes. Les filtres, ou noyaux, examinent des portions localisées de l’image. Le défi consiste à conserver assez de contexte pour reconnaître correctement un objet, sans multiplier excessivement les calculs.

Le PRepConvBlock proposé dans SORA-DET réduit la complexité de ces opérations tout en préservant une extraction robuste des caractéristiques. Sa conception permet notamment d’utiliser des noyaux plus grands. L’intérêt est d’élargir le champ réceptif, c’est-à-dire la portion de l’image prise en compte par le modèle lorsqu’il interprète un point donné. Un contexte visuel plus étendu peut aider à distinguer un petit objet de son arrière-plan ou à relier entre elles des informations éloignées dans l’image.

Le SB-FPN joue un rôle complémentaire. Les réseaux de détection traitent habituellement des niveaux de caractéristiques différents : les couches les plus proches de l’image conservent davantage de détails, tandis que les couches plus profondes portent une représentation plus abstraite de ce qui est observé. Une pyramide de caractéristiques sert à faire circuler et à fusionner ces informations entre plusieurs échelles.

Dans SORA-DET, cette pyramide est à la fois peu profonde et bi-directionnelle. Elle fait dialoguer les caractéristiques superficielles et profondes afin d’améliorer la représentation visuelle des objets. Cette fusion est particulièrement pertinente dans les images aériennes, où le système doit repérer dans une même scène des éléments de très petite taille et des structures beaucoup plus étendues.

Que mesurent les résultats sur VisDrone2019 et SeaDroneSeeV2 ?

Les auteurs ont évalué SORA-DET sur deux jeux de données de référence : VisDrone2019 et SeaDroneSeeV2. Leurs résultats reposent sur la métrique mAP50, pour mean Average Precision à un seuil de recouvrement de 0,50. Cette mesure synthétise la qualité de détection en prenant en compte à la fois les objets correctement trouvés et les fausses détections.

Les chercheurs indiquent que SORA-DET surpasse la plupart des modèles à grande échelle auxquels il est comparé, tout en restant plus compact et plus rapide. Il convient néanmoins de ne pas mettre directement en regard les 39,3 % obtenus sur VisDrone2019 et les 84,0 % de SeaDroneSeeV2 : les deux scores proviennent de jeux de données différents, avec leurs propres images, catégories, difficultés et protocoles d’évaluation.

Ce que change réellement un modèle plus léger

Le chiffre de 88,1 % de paramètres en moins constitue l’argument central de SORA-DET. À performances comparables, une telle baisse peut faciliter l’intégration d’un modèle dans un environnement où les ressources sont comptées. C’est précisément le cas des drones, pour lesquels chaque contrainte matérielle compte : autonomie, capacité de calcul, stockage et poids des composants.

Le temps d’inférence de 5,4 millisecondes donne aussi une indication de réactivité. Il faut toutefois interpréter ce nombre avec prudence. Une mesure d’inférence concerne l’exécution du modèle dans un cadre de test donné. Elle ne résume pas l’ensemble d’une mission réelle, qui peut également inclure la capture d’image, la stabilisation, le prétraitement, le suivi des objets, les communications et la prise de décision humaine.

Autrement dit, l’étude démontre la compétitivité de l’architecture sur des benchmarks et son potentiel pour une exécution légère. Elle ne signifie pas qu’un drone équipé de SORA-DET pourra automatiquement accomplir seul une mission de secours ou de surveillance. Dans les usages sensibles, la détection algorithmique fournit une information d’aide, qui doit être replacée dans le contexte de la mission et vérifiée par des opérateurs lorsque l’enjeu l’exige.

Des usages possibles, des secours à l’aménagement urbain

Les applications envisagées par l’équipe couvrent la gestion des catastrophes, la recherche et le sauvetage, le suivi environnemental et la planification urbaine. Après une inondation, un séisme ou un incendie, un drone peut contribuer à produire rapidement une vue d’ensemble d’une zone trop dangereuse ou trop étendue à parcourir à pied. Un détecteur embarqué pourrait aider à signaler des éléments nécessitant une attention particulière dans les images recueillies.

En milieu maritime, l’analyse aérienne peut également servir à repérer des objets sur l’eau. Dans les villes, elle peut soutenir l’observation d’infrastructures et l’étude de l’occupation de l’espace. Dans les milieux naturels, elle peut faciliter le suivi d’éléments visibles depuis le ciel.

Ces perspectives doivent néanmoins s’accompagner de règles d’usage claires. Les images aériennes peuvent contenir des personnes, des véhicules ou des propriétés. L’efficacité technique de la détection ne dispense donc pas les opérateurs de respecter les obligations applicables aux vols de drones et à la protection des données. La qualité des données, la finalité de la mission et le contrôle humain restent déterminants.

Ce qu’il faut surveiller avant un déploiement à grande échelle

SORA-DET illustre une orientation importante de la recherche en vision embarquée : au lieu de chercher uniquement le score le plus élevé, les équipes cherchent à optimiser le rapport entre précision, vitesse et consommation de ressources. Cette approche est essentielle pour faire sortir l’intelligence artificielle des serveurs et l’installer dans des appareils mobiles.

La prochaine étape consistera à observer la robustesse de ce type de modèle dans des conditions variées : luminosité instable, météo, vibrations, images floues, arrière-plans complexes ou objets partiellement masqués. Les résultats annoncés sur VisDrone2019 et SeaDroneSeeV2 sont encourageants, mais un benchmark ne reproduit jamais toutes les situations rencontrées sur le terrain.

Il faudra aussi suivre la facilité d’intégration de SORA-DET dans différents matériels embarqués et la manière dont ses performances évoluent selon la caméra, l’altitude de vol et les catégories d’objets recherchées. Si l’architecture conserve ses qualités hors des tests de référence, elle pourrait devenir une solution utile pour doter les drones d’une perception plus réactive, sans imposer une puissance de calcul disproportionnée.