Deep Learning à l’aide de l’extension ArcGIS Image Analyst

Disponible avec une licence Image Analyst.

L’extension ArcGIS Image Analyst vous permet d’exécuter des processus de Deep Learning complets avec imagerie dans ArcGIS Pro. Utilisez les outils de géotraitement pour préparer les données d’entraînement de l’imagerie, pour entraîner un modèle de détection d’objets, de classification de pixels ou de classification d’objets, et pour générer et examiner les résultats.

Remarque :

Cette rubrique décrit le Deep Learning dans le cadre de processus d’imagerie avec Image Analyst. Pour une présentation de toutes les fonctionnalités de Deep Learning disponibles dans ArcGIS Pro, reportez-vous à la rubrique Deep Learning dans ArcGIS Pro.

Le processus est représenté par le diagramme ci-dessous.

Intervalle	Description
	Créez des échantillons d’entraînement dans la fenêtre Label Objects for Deep Learning (Étiqueter les objets pour le Deep Learning), puis utilisez l’outil Exporter les données d’entraînement pour Deep Learning pour convertir les échantillons en données d’entraînement de Deep Learning. Remarque : L’outil Exporter les données d’entraînement pour Deep Learning est pris en charge également par l’extension Spatial Analyst.
	Utilisez l’outil Entraîner le modèle de Deep Learning pour entraîner un modèle avec PyTorch, ou entraînez le modèle ailleurs que dans ArcGIS Pro au moyen d’une structure de Deep Learning tierce prise en charge.
	Utilisez le modèle entraîné pour exécuter l’outil Détecter des objets à l’aide d’algorithmes de Deep Learning, l’outil Classer des pixels à l’aide d’algorithmes de Deep Learning ou l’outil Classer des objets à l’aide d’algorithmes de Deep Learning pour générer une sortie. Examinez et validez les résultats dans lafenêtre des attributs, puis calculez la précision à l’aide de l’outil Calculer la précision pour la détection d’objets.

Fonctions et fonctionnalités

Dans ArcGIS Pro, les outils de Deep learning vous permettent d’aller au-delà des techniques de classification de Machine Learning standard.

• Utilisez des réseaux neuronaux convolutifs ou des modèles de Deep Learning pour détecter des objets et classer des objets ou des pixels d’image.
• Intégrez les structures des modèles de Deep Learning externes.
• Utilisez un fichier de définition du modèle plusieurs fois pour détecter l’évolution au fil du temps ou détecter des objets dans différentes zones d’intérêt.
• Générez une classe d’entités surfaciques qui indique l’emplacement des objets détectés à utiliser pour d’autres analyses ou processus.
• Tirez parti du calcul par l’unité de traitement graphique (GPU) et de l’utilisation de l’unité de traitement centrale (CPU) pour le traitement distribué.

Prise en main de l’apprentissage profond

La création et l’exportation des échantillons d’entraînement sont des opérations réalisées dans ArcGIS Pro à l’aide d’outils de génération d’échantillons d’entraînement standard. Il est possible d’entraîner le modèle de Deep Learning avec la structure PyTorch à l’aide de l’outil Entraîner le modèle de Deep Learning, ou ailleurs que dans ArcGIS Pro en utilisant une autre structure de Deep Learning. Une fois que le modèle est entraîné, utilisez un fichier de définition du modèle Esri (.emd) pour utiliser les outils de géotraitement afin de détecter ou de classer des entités de votre imagerie.

Vous devez installer les paquetages Python de la structure de Deep Learning pour éviter qu’une erreur ne se produise au moment où vous ajoutez le fichier de définition de modèle Esri aux outils de géotraitement de Deep Learning. Pour savoir comment installer ces paquetages, reportez-vous à la rubrique Installer des structures de Deep Learning pour ArcGIS.

1. Créez et exportez des échantillons d’apprentissage.
   1. Utilisez la fenêtre Label Objects for Deep Learning (Étiqueter les objets pour le Deep Learning) ou le Gestionnaire d’échantillons d’entraînement pour sélectionner ou créer une structure de classification.
   2. Créez des échantillons de site d’apprentissage pour les catégories de classes ou les entités d’intérêt. Enregistrez le fichier d’échantillon d’apprentissage.
   3. Exécutez l’outil de géotraitement Exporter les données d’entraînement pour Deep Learning pour convertir l’imagerie source et les échantillons d’entraînement en données d’entraînement de Deep Learning. L’imagerie source peut prendre la forme d’un service d’imagerie, d’un jeu de données mosaïque, d’un jeu de données raster ou d’un dossier de rasters. L’outil génère en sortie des fragments ou échantillons d’image contenant des sites d’entraînement à utiliser pour entraîner le modèle de Deep Learning. Une autre sortie de l’outil est un fichier de modèle .emd qu’il est nécessaire de renseigner.
2. Entraînez le modèle d’apprentissage profond.
   1. Utilisez l’outil Entraîner le modèle de Deep Learning pour entraîner un modèle de Deep Learning avec les fragments d’image générés à l’étape précédente.
3. Exécutez les outils de géotraitement d’inférence dans ArcGIS Pro.
   1. Utilisez l’outil de géotraitement Détecter des objets à l’aide d’algorithmes de Deep Learning, Classer des pixels à l’aide d’algorithmes de Deep Learning ou Classer des objets à l’aide d’algorithmes de Deep Learning pour traiter votre imagerie. Si le modèle entraîné incorporait des fonctions raster Python personnalisées avec des variables supplémentaires, telles que le remplissage ou un seuil de confiance pour optimiser la sensibilité, ces variables apparaissent dans la boîte de dialogue de l’outil de géotraitement pour que l’utilisateur puisse saisir des données. Le type de données (chaîne ou numérique) est spécifié dans la fonction raster Python. Dans l’idéal, le nombre des paramètres d’inférence supplémentaires doit être limité à deux.

      La valeur du paramètre Définition de modèle Esri peut être un fichier JSON de définition de modèle Esri (.emd) ou une chaîne JSON. Une chaîne JSON est utile lorsque cet outil est utilisé sur le serveur de manière à pouvoir coller la chaîne JSON au lieu de télécharger le fichier .emd.

      The output of the L’outil Détecter des objets à l’aide d’algorithmes de Deep Learning est une classe d’entités indiquant les objets détectés par le modèle. L’outil Classer des pixels à l’aide d’algorithmes de Deep Learning produit en sortie un raster classé. Une classe d’entités et une imagerie doivent être définies comme jeux de données en entrée pour l’outil Classer des objets à l’aide d’algorithmes de Deep Learning, avec pour résultat une classe d’entités dont chaque objet de chaque entité porte l’étiquette d’un nom de classe.

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 de votre inférence basée sur l’objet (outil Classer des objets à l’aide d’algorithmes de Deep Learning ou outil Détecter des objets à l’aide d’algorithmes de Deep Learning). Vous pouvez également utiliser l’outil Calculer la précision pour la détection d’objets pour générer une table et un rapport d’évaluation de la précision.

Pour vous familiariser avec les principes élémentaires des applications de Deep Learning avec vision artificielle, reportez-vous à la rubrique Introduction au Deep Learning.

Pour connaître la configuration nécessaire à l’exécution des outils de géotraitement, et pour en savoir plus sur les problèmes que vous pouvez rencontrer, reportez-vous à la rubrique Forum aux questions sur le Deep Learning.

Ressources de développement

En complément des outils et processus de géotraitement à votre disposition dans ArcGIS Pro, vous pouvez réaliser des tâches de Deep Learning dans des scripts et des notebooks. Si vous travaillez dans ArcGIS REST API, utilisez les tâches de Deep Learning disponibles avec le service d’analyse raster. Ces tâches sont équivalentes aux outils de géotraitement disponibles, à ceci près qu’elles permettent un traitement distribué en fonction de la configuration du traitement.

Si vous travaillez dans ArcGIS API for Python, de nombreuses autres tâches de Deep Learning sont disponibles avec le module arcgis.learn.