[Donnees] Ressources IA pour l'OCS GE

Message posté par : nicolas david ---------------------------------------- Bonjour Désolé de répondre à une question par une autre question mais pour vous indiquez plus précisément comment utiliser le code et les données IA/OCSGE pouvez-vous précisez quel est votre cas d'utilisation et ce que vous souhaitez faire ? Plus précisément : * Est-ce que vous voulez entraîner un modèle IA deep learning à partir du jeux d'apprentissage déjà fournis ? * Ou bien êtes-vous seulement intéressez par utiliser un modèle IA déjà entraîné pour prédire sur des données images/ortho ? * Ou alors est-ce que vous souhaiter dérouler l'ensemble des étapes préparation de données IA / Entraînement de modèle / Inférence à partir d'un modèle entraîné ? Selon les cas il n'est pas nécessaire d'utiliser tout les outils disponibles dans odeon-landcover. En attendant que vous précisiez plus votre besoin voici déjà quelques information sur les outils odeon-landcover et données IA disponibles en téléchargement correspondant au déroulé d'un processus complet : préparation de données IA , entraînement de modèle deep learning puis inférence. Préparation des données En entrée on dispose : a - de données images (images ortho rvb et/ou IRC ) et b- d'une données vérité terrain correspondantes (fichiers vecteurs sur les différentes zones d'intérêt par classes de la nomenclature à apprendre) En sortie : ensemble de couples de vignettes (petites images de 256*256 pixel par exemple) avec une vignette correspondant aux données images et une autre au masques de segmentation (classe) en format raster. Pour cette étapes on utilise : 1 - un des outils Grid Sampling ou Systematic Sampling pour échantillonner les emprises des vignettes 2 - "dataset génération" pour préparer les vignettes (découpages des images et rastersation des données vecteur en masque raster). Pour récupérer les données en entrée de cette étape il faut télécharger : "Annotation Gers 2019" et les données ortho correspondantes (BDOrtho 2019 gers). Les données en sortie (vignettes) peuvent être téléchargées directement : "Jeu de données Deep Learning 2019" partie 1 et 2. Cette étape est donc facultative si vous êtes simplement intéressé par entraîner un modèle deep learning mais nécessaire si vous voulez préparer des données d'apprentissage différentes (regroupement de classes etc..) Entrainement d'un modèle deep learning En entré : jeux d'apprentissage sur forme de couple de vignette image+masque segmentation. En sortie : fichier de paramètres pour modèle deep learning (fichier *.pth). L'outil odeon-landcover correspondant est "Training". Pour récupérer les données en entrée de cette étape il faut télécharger "Jeu de données Deep Learning 2019" partie 1 et 2 ou bien effectuer l'étape précédente soit même. Un exemple de données en sortie de cette étape est disponible en téléchargement dans : "Modèle Deep learning départemental 2019". REM : le format du jeux d'apprentissage n'est pas spécifique à odeon-landcover et peut probablement être adapté assez simplement pour utiliser un autre code d’entraînement deep learning si vous préférez. Ce format de type couple de vignettes est un format assez standard pour les jeux d'apprentissage deep learning (en tâches de segmentation image). REM : pour cette partie il faut avoir accès à un GPU compatible entrainement deep learning. Utilisation d'un modèle deep learning/inférence En entré : fichier de paramètres pour modèle deep learning (fichier *.pth) et données images sur la zone on on souhaite avoir la segmentation deep learning En sortie : données raster du résultats de segmentation deep learning (format vignnette/patch) ou bien zone (dalle kilométrique par exemple). L'outil odeon-landcover correspondant est "Detection". Les données résultantes sur le Gers sont disponibles en téléchargement dans "Predictions complète Deep learning 2019 - 2016". REM : Les modèles deep learning fournis sont entrainés seulement sur les données du département GERS et il y a donc très peu de chance que leur utilisation sur des départements différents donnent d'aussi bon résultats (paysage et dates de prise de vue différentes) Le code odeon-landcover est seulement utiliser pour la partie deep learning et il n'y a donc pas les données/codes correspondant aux post-traitement de ces résultats et à la génération de données OCSGE vecteur. ---------------------------------------- Le message est situé https://georezo.net/forum/viewtopic.php?pid=354691#p354691 Pour y répondre : donnees(a)ml.georezo.net ou reply de votre messagerie Pour vous désabonner connectez-vous sur le forum puis Profil / Abonnement -- Association GeoRezo - le portail géomatique https://georezo.net