ArcGIS et IA : Par où commencer ? - N°4/8
Je poursuis mon tour d'horizon sur les différents points d'entrée pour l'usage de l'IA dans ArcGIS. Aujourd'hui, je vous propose d'évoquer l'utilisation des modèles de GeoAI pré-entraînés.
Les modèles de GeoAI pré-entraînés sont des modèles prêts à l'emploi pour automatiser des tâches géospatiales. Ces modèles, basés sur l'apprentissage profond (Deep Learning), sont entraînés sur d'énormes jeux de données et sont ajustés pour des cas d'utilisation spatiaux tels que la classification de l'occupation des sols, l'extraction d'entités ou la détection d'objets dans des images, des texte, des nuages de points, ... En tirant parti de ces modèles, les équipes SIG peuvent rapidement améliorer leurs analyses sans avoir besoin d'entraîner des modèles à partir de zéro.
Ces modèles vous permettront de réaliser différentes tâches comme l'extraction des contours de bâtiment, le tracés des routes, les zones de végétations, ... à partir d'images satellitaires ou aérienne. Ils vous aideront également dans l'identifications d'objets, le floutage de visages ou de plaques d'immatriculation ou le calcul de profondeur à partir de photos terrain. En 3D, vous trouverez également des modèles pré-entrainés pertinents pour extraire des objets à partir de données Lidar et bientôt à partir de photomaillages 3D (Mesh 3D).
Vous trouverez plus de 100 modèles sur le site du Living Atlas ArcGIS. Certains d'entre eux, plus génériques, vous permettront d'exploiter des modèles de Deep Learning à partir d'instruction sous la forme de prompts (Grounding Dino, TextSAM, Image Interrogation, Prompt Based Classification, ...) ou encore d'exploiter des modèles pré-entrainés partagés sur la plateforme collaborative Hugging Face.
 |
| Modèles de GeoAI pré-entrainés sur le Living Atlas |
Dans ArcGIS, ces modèles pré-entraînés sont diffusés sous la forme de paquetage de Deep Learning (DLPK). Ils peuvent être exécutés dans ArcGIS Online, ArcGIS Enterprise ou ArcGIS Pro, directement sur vos données ou servir de modèles de fondation que vous affinerez (fine-tuning) à l'aide d'un entrainement sur un jeu de données beaucoup plus limité.
Comment démarrer ?
- Explorer les modèles pré-entraînés disponibles dans ArcGIS Living Atlas et Hugging Face.
- Appliquer ces modèles pour détecter des entités comme des bâtiments, des routes, des plans d'eau ou des changements de végétation.
- Utiliser des jeux de données restreints pour commencer afin de tester la performance du modèle sans coût GPU significatif.
Considérations pratiques
- Nécessite une formation et des conseils sur le contrôle qualité.
- S'assurer de la disponibilité, de la conformité et la qualité des données d'imagerie (et vectorielles) attendues en entrée.
- Prévoir un budget pour les crédits de GPU (pour ArcGIS Online) ou les coûts d'inférence cloud.
- Comprendre les limitations de précision des modèles et valider les résultats dans des contextes locaux.
Modifier
0 comments :
Enregistrer un commentaire