Le blog francophone consacré
aux technologies Esri

Deep Learning dans ArcGIS, retour sur une année 2021 très riche



L'intégration des capacités d'IA et en particulier de Machine Learning est une tendance importante depuis quelques années dans l'évolution de la plateforme ArcGIS. Ces nouvelles capacités d'analyse de classification, de prédiction, de clustering ou de Deep Learning sont disponibles dans les différentes solutions ArcGIS notamment ArcGIS Enterprise, ArcGIS Online et ArcGIS Pro


L'année 2021 aura été particulièrement riche en ce qui concerne la prise en charge des workflows d'apprentissage profond (Deep Learning) dans ArcGIS. Esri a notamment ajouté de nouveaux modèles de Deep Learning pré-entrainés, supporté de nouveaux types de données, et amélioré l'accès aux tâches et aux outils de Deep Learning. Les développeurs ont également pu tirer profit de ces nouvelles capacités de Deep Learning via la nouvelle offre SaaS "ArcGIS Platform". Ces évolutions incrémentales de 2021 ont été effectuées pour prendre en charge toutes les étapes des flux de travail de Deep Learning (préparation des données d'entrainement, apprentissage des modèles, inférence des modèles, présentation et partage des résultats,...) mais aussi pour simplifier et automatiser les tâches des analystes SIG, des développeurs et data scientists, entre autres.  

Si vous n'avez pas suivi ces évolutions, je vous propose de revenir sur les principales innovations qui ont marqué cette année 2021.


Modèles de Deep Learning pré-entraînés

25 modèles de Deep Learning pré-entraînés publiés sur le Living Atlas ArcGIS

Tout au long de l'année, Esri a complété la collection de modèles de Deep Learning pré-entrainés pour répondre à diverses applications professionnelles. Par exemple, l'extraction d'emprises de bâtiments, le comptage de véhicules, la classification des types de sols, le floutage de plaques d'immatriculation ou de visages sont des exemples où la charge de travail des utilisateurs est simplifiée en supprimant la tâche fastidieuse de catégoriser (labelliser) manuellement les données. 

Rendre l'IA moins intimidante...

En éliminant le besoin de collecter et préparer les échantillons d'entraînement, de gérer ces données massives en entrée et d'entraîner votre modèle, l'utilisation de l'IA n'a jamais été aussi simple. Les modèles pré-entraînés d'Esri couvrent divers thématiques, zones géographiques et types de données qui peuvent facilement être adaptés à vos flux de travail. Avec cette collection de modèles qui continuera à se compléter, il y en a probablement un (ou plusieurs) qui vous aidera à générer des données à partir de vos images ou de vos nuages de points Lidar. A minima, ces exemples de modèle vous permettrons de découvrir différents algorithmes de Deep Learning et leur usage dans un contexte géospatial, de réaliser des tests sur ces derniers et, enfin, de vous lancer dans le paramétrage de votre propre modèle.  



Nouveaux types de données et expérience améliorée

L'année 2021 a permis à Esri d'étoffer les outils prêts à l'emploi pour prendre en charge de nouvelles capacités mais aussi faciliter les étapes d'un workflow de Deep Learning.

Par exemple, grâce à la boîte à outils "Deep Learning" d'ArcGIS Pro (ou son équivalent dans le module arcgis.learn de l'API Python), vous pouvez réaliser de nouvelles tâches comme la détection des changements, le suivi d'objets à partir d'imagerie vidéo (motion imagery), ou encore utiliser de nouveaux types de données tels que les images orientées (de type "Street View" par exemple) ou des nuages ​​de points 3D.  

Esri a également mis à jour les outils permettant de capturer les échantillons d'entraînement, d'exporter les échantillons et d'entraîner les modèles. Les outils permettant l'application de des modèles de Deep Learning ont également été mis à jour pour être utilisé facilement avec l'imagerie, les données 3D (y compris les améliorations de la solution "3D Basemaps"), les nuages ​​de points, les couches d'entités, les données textuelles et la vidéo (suivi d'objet). On pourra aussi noter la nouvelle ergonomie de l'outil de labellisation qui a été simplifiée pour supporter les workflows de classification d'objets et de tracking des objets en mouvement dans les vidéos.  



Une nouvelle offre SaaS

L'une des mises à jour les plus importantes de 2021 concerne l'usage des capacités de Deep Learning sur le web grâce à ArcGIS Image for ArcGIS Online. Des tâches telles que la classification de pixels, la classification d'objets et la détection d'objets sont désormais nativement prises en charge de manière interactive via un simple navigateur web, sans avoir besoin d'écrire le moindre script (à condition que le modèle de Deep Learning est accessible sur votre portail). Les utilisateurs n'ont plus à se soucier de la maintenance et du déploiement de l'infrastructure car ils exécutent leur modèle dans un environnement cloud sécurisé, évolutif et performant géré par Esri.



Pour les développeurs et data scientists

Le module arcgis.learn de l'API Python fournit une approche par "code" sur un environnement de Deep Learning riche, complet et uniformisé proposé par Esri. Largement basé sur les librairies adoptées par la communauté des spécialistes en IA, le module arcgis.learn offre une API unifiée qui fonctionne sur différentes sources de données SIG: les images, la vidéo, les données 3D, les nuages de points, le texte, les données tabulaires et les séries temporelles. 


Ce module est amélioré à chaque version de l'API Python ArcGIS pour intégrer les derniers modèles de Deep Learning pour la détection d'objets et la classification des pixels. Esri a également ajouté des améliorations comme les capacités d'AutoML qui permettent l'entrainement de modèles précis d'une manière complétement automatique. En plus des améliorations sur les types de modèles supportés, le module supporte désormais différentes méthodes d'explicabilité des modèles ce qui permet fournit une clarté supplémentaire pour les algorithmes de prédiction et augmente ainsi la confiance des utilisateurs dans l'adoption des modèles d'IA. 





Pour conclure

Avec l'ajout et l'actualisation des exemples de Deep Learning, des guides et des articles du blog ArcGIS (en anglais), vous pourrez voir comment utiliser ces nouvelles capacités et exploiter leur potentiel. Bien que la plupart des utilisateurs ArcGIS soient encore dans des phases de test et d'évaluation de ces nouveaux workflows de Deep Learning, certains témoignages d'utilisateurs (comme ici l'IPR lors de la conférence SIG 2021) mettent déjà en évidence la valeur de leurs données d'imagerie à l'aide des outils de Deep Learning disponibles dans ArcGIS.  

Après ces nombreuses évolutions en 2021, Esri va poursuivre ses efforts sur cet axe de R&D et proposer toujours plus d'outils et de modèles prêts à l'emploi. On attend donc 2022 avec impatience 2022 !  

Partager cet article:

Rejoindre la discussion

    Les commentaires à propos de cet article: