Lorsque nous abordons le monde de la DATA Science, il est normal qu’au début, nous soyons pris dans la confusion qui sépare l’intelligence artificielle (IA) du Machine Learning (ML) et du Deep Learning (DL). Bien que les trois terminologies soient généralement utilisées de manière interchangeable, elles ne désignent pas exactement les mêmes choses.
Source : www.linkfluence.com
Par conséquent, existe-t-il une différence entre intelligence artificielle, Machin Learning et Deep Learning ?
Comme vous pouvez le voir dans l’image avec les trois cercles, DL est un sous-ensemble de ML, qui à son tour est également un sous-ensemble de l’IA.
L’Intelligence artificielle est le concept général qui a initialement fait son apparition, puis il a été suivi de Machine Learning qui a prospéré plus tard . Enfin, le Deep Learning qui promet d’étendre les avancées de l’Intelligence artificielle à un autre niveau.
Les algorithmes DL sont plus ou moins inspirés par les modèles de traitement de l’information trouvés dans le cerveau humain. En effet, à chaque fois que nous recevons de nouvelles informations, le cerveau essaie de les comparer avec un élément déjà connu avant de l’interpréter, concept identique à celui utilisé par les algorithmes de Deep Learning ou apprentissage en profondeur.
Le Deep Learning et les SIG pour évaluer la qualité des routes :
Le Deep Learning est de plus en plus utilisé avec les SIG à diverses fins. L’intégration d’algorithmes Machine Learning à ArcGIS par exemple, permet d’obtenir des résultats bien meilleurs et optimaux en peu de temps.Cela a été prouvé lors de la conférence ESRI 2019 qui s’est tenue aux Docks de Paris le 16 Octobre 2019.
L’équipe ESRI a réalisé lors de cette rencontre annuelle, une démonstration sur une méthode de Deep Learning via l’outil « ArcGis Notebooks ». Le but de l’expérience était de localiser et détecter automatiquement les fissures qui se trouvaient sur un réseau routier à partir d’une simple vidéo d’une route à Vélizy.
Le démonstrateur a intégré dans un code Python des images qui caractérisent les différents types de fissures routières existantes. Ainsi, la machine peut stocker l’information et reconnaître automatiquement ces caractéristiques.
Le résultat de ce programme a alors permis de détecter les différentes fissures qui se trouvaient sur la route et de les catégoriser selon leur type.
La détection automatique des fissures routières en utilisant le Deep Learning et les SIG ( Source : Twitter d’Esri DevSummit)
La même méthode a été utilisée par des scientifiques de l’Université RMIT en Australie, afin de détecter et cartographier les panneaux de signalisation à partir d’images de Google Street View . Le but est d’aider les administrations locales à améliorer la gestion des panneaux de signalisation, leur affichage et leur entretien afin de garantir la sécurité routière.
Le Deep Learning offre la capacité de parcourir des catalogues avec de grandes quantités de données, qui renseignent ensuite les SIG. Les outils spectraux sont généralement basés sur les pixels, tandis que Deep Learning est basé sur les objets , d’où une meilleure qualité des images extraites.
L’application de cette technique d’apprentissage en profondeur résout, en quelques minutes, les tâches qui peuvent prendre plusieurs jours à une personne. Un énorme gain de temps !
Sitographie :
https://www.vision-systems.com/non-factory/article/14036097/neural-networks-image-processing-google-street-view-rmit-university-research
Integration of Machine Learning and Deep Learning with GIS – the new paradigm