Il existe aujourd’hui de nombreux outils capables de générer de la donnée par IA. Ceux-ci sont le plus souvent hébergés par des solutions propriétaires et ont une fâcheuse tendance à être rigides et peu transposables dès lors qu’on les implémente sur des problématiques spécifiques.

Modèle de segmentation sémantique dédié à la reconnaissance de voiries sur imagerie Pléiades.

© Réalisation : R. de Matos-Machado (2021)

Pour plus de flexibilité et d’efficacité, quoi de mieux que d’entraîner soi-même son propre modèle IA à partir de librairies open source ? Après avoir exposé les grands principes de l’apprentissage profond (deep learning) dédié à la cartographie de données géospatiales (i.e. segmentation sémantique), cette présentation fournira quelques bases pratiques aux amateurs d’IA et de Python souhaitant développer leur propre modèle IA de cartographie. Elle s’inspirera de projets Github afin de favoriser la pratique en dehors de cette séance.

À lire aussi

Prochain Midi de Géotéca : “Meteorological Hazards and Climate Change in Southeast Asia: Regional Modeling System, Added Value, and Potential Collaboration” – Thanh NGO-DUC, University of Science and Technology of Hanoi – 6 mars 2024 – 13h

Prochain Midi de Géotéca : “Meteorological Hazards and Climate Change in Southeast Asia: Regional Modeling System, Added Value, and Potential Collaboration” – Thanh NGO-DUC, University of Science and Technology of Hanoi – 6 mars 2024 – 13h

In my presentation, I will firstly introduce about the University of Science and Technology of Hanoi (USTH, also called Vietnam-France University). USTH is a public university, established in 2009 under the Intergovernmental Agreement between Vietnam and France with...