Une nouvelle approche pour l'évaluation des méthodes monoculaires d'estimation de la profondeur basées sur l'apprentissage profond

La detection d’objets, l’estimation de la profondeur et le suivi des objets sont des tâches tres importantes pour la navigation autonome dans le contexte de la mobilite intelligente. Ces dernieres annees, l’apparition de nombreuses methodes d’estimation de la profondeur basees sur l’apprentissage profond pour les cameras monoculaires a conduit a des progres significatifs dans ce domaine. Dans cet article, nous proposons une evaluation des algorithmes de l’etat de l’art pour l’estimation de la profondeur a partir d’images monoculaires sur les bases de donnees KITTI et NUScenes. Les modeles evalues dans cet article comprennent une methode non supervisee (Monodepth2) et une methode supervisee (BTS). Notre contribution reside dans l’elaboration de nouveaux protocoles d’evaluation de l’estimation de la profondeur : l’evaluation de la profondeur selon la classe de l’objet et l’evaluation sur des plages de distance. Nous avons valide nos nouveaux protocoles sur les bases de donnees KITTI et NuScenes, ce qui nous a permis d’obtenir une evaluation plus complete de l’estimation de la profondeur, en particulier pour les applications de comprehension de scenes dans des environnements routiers et ferroviaires.