FOTBCD : Un Benchmark à Grande Échelle pour la Détection des Changements du Bâti à partir d'Orthophotos et de Données Topographiques Françaises
FOTBCD: A Large-Scale Building Change Detection Benchmark from French Orthophotos and Topographic Data
January 30, 2026
papers.authors: Abdelrrahman Moubane
cs.AI
papers.abstract
Nous présentons FOTBCD, un jeu de données à grande échelle pour la détection des changements du bâti, dérivé des orthophotographies françaises officielles et des données topographiques du bâti fournies par l'IGN France. Contrairement aux benchmarks existants, géographiquement limités à des villes uniques ou à des régions restreintes, FOTBCD couvre 28 départements de la France métropolitaine, dont 25 sont utilisés pour l'entraînement et trois départements géographiquement disjoints sont réservés pour l'évaluation. Le jeu de données couvre divers environnements urbains, périurbains et ruraux avec une résolution de 0,2 m/pixel. Nous rendons publique FOTBCD-Binary, un ensemble de données comprenant environ 28 000 paires d'images avant/après avec des masques binaires de changement du bâti au niveau pixel, chacune étant associée à des métadonnées spatiales au niveau de la plaque. Le jeu de données est conçu pour l'évaluation et le benchmarking à grande échelle dans un contexte de décalage de domaine géographique, les échantillons de validation et de test étant issus des départements réservés et vérifiés manuellement pour garantir la qualité des annotations. De plus, nous rendons publique FOTBCD-Instances, un sous-ensemble annoté au niveau instance et accessible publiquement, comprenant plusieurs milliers de paires d'images, qui illustre le schéma d'annotation complet utilisé dans la version complète au niveau instance de FOTBCD. En utilisant une ligne de base de référence fixe, nous évaluons FOTBCD-Binary par rapport à LEVIR-CD+ et WHU-CD, fournissant des preuves empiriques solides que la diversité géographique au niveau du jeu de données est associée à une amélioration de la généralisation inter-domaine dans la détection des changements du bâti.
English
We introduce FOTBCD, a large-scale building change detection dataset derived from authoritative French orthophotos and topographic building data provided by IGN France. Unlike existing benchmarks that are geographically constrained to single cities or limited regions, FOTBCD spans 28 departments across mainland France, with 25 used for training and three geographically disjoint departments held out for evaluation. The dataset covers diverse urban, suburban, and rural environments at 0.2m/pixel resolution. We publicly release FOTBCD-Binary, a dataset comprising approximately 28,000 before/after image pairs with pixel-wise binary building change masks, each associated with patch-level spatial metadata. The dataset is designed for large-scale benchmarking and evaluation under geographic domain shift, with validation and test samples drawn from held-out departments and manually verified to ensure label quality. In addition, we publicly release FOTBCD-Instances, a publicly available instance-level annotated subset comprising several thousand image pairs, which illustrates the complete annotation schema used in the full instance-level version of FOTBCD. Using a fixed reference baseline, we benchmark FOTBCD-Binary against LEVIR-CD+ and WHU-CD, providing strong empirical evidence that geographic diversity at the dataset level is associated with improved cross-domain generalization in building change detection.