Vue d’ensemble du jeu d’outils IA d’imagerie

Le jeu d’outils IA d’imagerie contient des outils qui appliquent des algorithmes de Deep Learning de détection d’objets et de classification de pixels aux données d’imagerie.

L’entraînement des modèles de Deep Learning constitue généralement un processus complexe exigeant des connaissances spécialisées sur différents types d’architecture de modèle et sur les modalités de l’optimisation de leurs paramètres (appelés hyperparamètres) pour obtenir les meilleurs résultats. Il s’agit d’un processus itératif impliquant plusieurs essais afin d’obtenir un modèle précis et des hyperparamètres appropriés. L’outil Entraîner à l’aide d’AutoDL automatise ce processus sans qu’il soit nécessaire d’écrire du code. L’outil apporte une visibilité sur les performances et les hyperparamètres des modèles entraînés.

Outils du jeu d’outils IA d’imagerie

Outil	Description
Extraire des entités à l’aide de modèles IA	Exécute un ou plusieurs modèles de Deep Learning pré-entraînés sur un raster en entrée pour extraire des entités et automatiser le post-traitement des sorties inférées.
Entraîner à l’aide d’AutoML	Entraîne un modèle de Deep Learning en construisant des pipelines d’entraînement et en automatisant une grande partie du processus d’entraînement. Cela inclut l’augmentation des données, le choix du modèle, l’optimisation des hyperparamètres et la déduction de la taille de lot. La sortie contient les mesures de performances du meilleur modèle sur les données d’entraînement, ainsi que le paquetage de modèle de Deep Learning entraîné (fichier .dlpk) qui peut être utilisé en entrée pour l’outil Extract Features Using AI Models (Extraire des entités à l’aide de modèles d’IA) pour faire des prévisions sur la nouvelle imagerie.