Apprentissage profond dans ArcGIS Pro

Les fonctionnalités d’apprentissage profond sont disponibles dans ArcGIS Pro par le biais de différents outils et fonctions.

Entraînement du modèle

Avant d’utiliser un modèle d’apprentissage profond pour identifier des entités ou des objets dans une image, il est nécessaire de l’entraîner au préalable pour qu’il reconnaisse de tels objets. L’entraînement d’un modèle d’apprentissage profond implique le passage par la plupart des étapes réalisées durant l’entraînement d’un modèle de classification en mode d’apprentissage automatique classique. Vous devez collecter et fournir des échantillons d’entraînement et des images en entrée, puis entraîner le modèle de sorte qu’il apprenne à reconnaître ces entités ou objets.

La fenêtre Label Objects for Deep Learning (Étiqueter les objets pour le Deep Learning) sert à collecter et générer des jeux de données étiquetés afin d’entraîner le modèle d’apprentissage profond. Vous pouvez identifier et étiqueter de manière interactive les objets d’une image, puis exporter les données d’entraînement sous forme de fragments d’image, d’étiquettes et de statistiques nécessaires à l’entraînement d’un modèle. Si vous détenez des données vectorielles ou raster étiquetées, vous pouvez utiliser l’outil de géotraitement Export Training Data For Deep Learning (Export Training Data For Deep Learning (Exporter les données d’entraînement pour l’apprentissage profond) pour générer les données d’entraînement nécessaires à l’étape suivante.

L’outil Train Deep Learning Model (Entraîner le modèle d’apprentissage profond) utilise les données d’entraînement exportées pour entrainer un modèle d’apprentissage profond. Un certain nombre de types de modèle et d’arguments sont disponibles pour configurer le processus d’entraînement.

Inférence du modèle

Le processus d’inférence du modèle désigne le processus d’extraction des informations d’une image au moyen d’un modèle entraîné. Les options du processus d’inférence du modèle dans ArcGIS Pro sont les suivantes :

• Détecter des objets : générez des zones d’emprise autour des objets ou des entités dans une image pour identifier leur emplacement. Utilisez l’outil Détecter des objets.
• Classer des objets : générez des étiquettes pour les entités d’une image afin d’identifier leur classe ou leur catégorie. Utilisez l’outil Classer des objets à l’aide de l’apprentissage profond.
• Classer des pixels : générez un raster classifié dans lequel chaque pixel appartient à une classe ou une catégorie. Utilisez l’outil Classer des pixels à l’aide de l’apprentissage profond.

Analyse exploratoire

L’outil d’analyse exploratoire Object Detection (Détection des objets) utilise un modèle d’apprentissage profond entraîné pour reconnaître les objets affichés dans la carte ou scène actuelle. Chaque entité identifiée est représentée par une entité ponctuelle associée à un emplacement dans le système de coordonnées de la carte, des attributs détaillant l’orientation et l’étendue de l’objet ainsi qu’une valeur de confiance. L’outil peut fonctionner avec n’importe quel modèle Faster R-CNN entraîné et est conçu pour une détection à la demande des objets dans la vue active.

Vérifier les résultats

Après avoir utilisé un modèle d’apprentissage profond, il est important de passer en revue les résultats et d’évaluer la précision du modèle.

Utilisez la fenêtre Attributes (Attributs) pour examiner les résultats à partir de l’inférence basée sur l’objet (outil Classify Objects Using Deep Learning (Classer des objets à l’aide de l’apprentissage profond) ou Detect Objects Using Deep Learning (Détecter des objets à l’aide de l’apprentissage profond). Vous pouvez également utiliser l’outil Compute Accuracy For Object Detection (Calculer la précision de la détection des objets) pour générer une table et un rapport d’évaluation de la précision.