Créer des échantillons pour l’entraînement de Deep Learning

Disponible avec Image Server

Les échantillons d’entraînement permettent de déduire les fragments d’image pour entraîner les modèles de Deep Learning dans Deep Learning Studio. Les fragments d’image sont de petites images contenant l’entité ou l’objet présentant un intérêt utilisé pour entraîner le modèle de Deep Learning.

Collecter les échantillons d’entraînement

Créez des échantillons d’entraînement en effectuant l’étape Prepare training data (Préparer les données d’entraînement). Lorsque vous sélectionnez l’étape Prepare training data (Préparer les données d’entraînement), vous devez configurer le projet pour la collecte des échantillons.

Une fois que vous avez sélectionné l’option permettant de préparer l’entraînement, l’assistant de configuration du projet apparaît et vous guide tout au long du traitement. Une fois que vous avez créé le projet, suivez les étapes ci-après afin de configurer le projet pour l’entraînement.
1. Sélectionnez le projet Deep Learning Studio et ouvrez-le.
2. Dans la page de sélection des étapes, sélectionnez Prepare training data (Préparer les données d’entraînement) pour lancer la collecte des échantillons d’entraînement.

   Conseil :

   Une invite de configuration du projet pour la préparation des données d’entraînement apparaît s’il n’a pas été déjà configuré.

3. À l’invite, cliquez sur Yes (Oui) pour configurer le projet conformément à la section Configurer le projet pour l’entraînement de la rubrique Utiliser des projets Deep Learning Studio.
La page de renvoi Prepare training data (Préparer les données d’entraînement) s’affiche avec toutes les sous-étapes disponibles pour préparer les échantillons d’entraînement.
4. Cliquez sur la sous-étape Collect training samples (Collecter les échantillons d’entraînement).
5. Utilisez les outils de collecte pour sélectionner tous les échantillons d’entraînement dans l’unité de travail sélectionnée.

   Les raccourcis clavier indiqués ci-dessous facilitent la collecte.

   Afficher la liste des raccourcis

   Alt + ?

   Outil Carte

   Rectangle	r
   Cercle	c
   Polygone	p
   Polygone à l’aide du lasso	i
   Cercle à partir d’un point et d’une zone tampon	o
   Polygone à partir d’une ligne et d’une zone tampon	n
   Sélectionner	s
   Couches	e
   Fond de carte	b
   Filtrer	f

   Navigation cartographique

   Origine	Alt + h
   Zoom avant	+
   Zoom arrière	-
   Pan	Touches de direction
   Activer/désactiver le curseur à réticule	m

   Conseil :

   Tous les raccourcis clavier sont destinés aux utilisateurs Windows. Pour les utilisateurs Mac, substituez la touche Option à la touche Alt.

6. Cliquez sur Complete (Terminer) ou Complete and next (Terminer et suivant) pour collecter la prochaine unité de travail.

Une fois que l’unité de travail a été marquée comme terminée, elle ne peut plus être sélectionnée dans la sous-étape Collect training samples (Collecter les échantillons d’entraînement). Une fois que l’unité de travail est prête pour vérification, marquez-la comme terminée afin de changer le statut en Pending review (Révision en attente).

Attention :

Si l’unité de travail a été marquée comme terminée de manière incorrecte, elle doit être définie sur Queued (En file d’attente) dans la sous-étape Review training samples (Examiner les échantillons d’entraînement) pour être à nouveau disponible.

Examiner les échantillons d’entraînement

Une fois marquée comme terminée, l’unité de travail devient disponible pour relecture. Tous les échantillons d’entraînement doivent être révisés pour pouvoir passer à l’étape suivante.

1. Cliquez sur la sous-étape Review training samples (Examiner les échantillons d’entraînement) pour commencer à examiner les échantillons de l’unité de travail suivante en attente de révision.

   La page de renvoi Prepare training data (Préparer les données d’entraînement) vous permet de voir le statut des unités de travail et des échantillons pour suivre la progression du projet. Les graphiques changent de couleur en fonction du statut et se mettent à jour au fur et à mesure de la révision des unités de travail.

   Remarque :

   Une unité de travail ne peut être révisée que si le collecteur l’a marquée comme terminée.

   Remarque :

   Pour obtenir des informations sur une unité de travail, cliquez sur la carte ou l’entrée de la table afin d’afficher des informations spécifiques sur cette unité de travail.

   L’unité de travail s’ouvre avec tous les échantillons collectés répertoriés.

2. Cliquez sur des échantillons d’entraînement individuels dans la liste Training samples (Échantillons d’apprentissage) pour les examiner.

   Une fois qu’un échantillon a été sélectionné, les options Approve selected (Approuver les échantillons sélectionnés) et Reject selected (Rejeter les échantillons sélectionnés) apparaissent dans la boîte de dialogue.

Pour zoomer sur l’échantillon d’entraînement mis en évidence, sélectionnez l’option Visit mode (Mode visite). La carte effectue un zoom et se déplace sur l’échantillon d’entraînement mis en évidence.

Conseil :

Vous pouvez sélectionner et approuver plusieurs échantillons sans les vérifier de manière individuelle. Vous pouvez également approuver ou rejeter tous les échantillons en une seule fois en choisissant l’option Approval all pending (Approuver tous les échantillons en attente) or Reject all pending (Rejeter tous les échantillons en attente). En choisissant une option, les unités de travail sélectionnées et tous les échantillons d’entraînement qu’elle contient seront traités.

Raccourcis clavier pour l’examen des échantillons d’entraînement

Approuver les échantillons sélectionnés	Alt + a
Rejeter les échantillons sélectionnés	Alt + r
Standard	Alt + c
Terminer et suivant	Alt + n

Une fois que tous les échantillons d’entraînement ont été approuvés ou refusés, un message indique qu’ils ont tous été vérifiés.

3. Marquez l’unité de travail comme Completed (Terminé).

   La sous-étape ramène à la page de renvoi Prepare training data (Préparer les données d’entraînement).

Mise à jour des propriétés des unités de travail (facultatif)

Si vous devez mettre à jour manuellement les propriétés des unités de travail, des outils sont à votre disposition sur la page de renvoi Prepare training data (Préparer les données d’entraînement). Vous pouvez filtrer et sélectionner des unités de travail spécifiques pour une mise à jour efficace.

1. Cliquez sur le menu déroulant sous la section Show (Afficher) pour utiliser un filtre prédéfini pour rechercher des unités de travail spécifiques.
2. Vous avez également la possibilité de créer un filtre personnalisé pour sélectionner les unités de travail. Cliquez sur le bouton Filter (Filtrer) pour ouvrir la boîte de dialogue Filter (Filtrer).
   1. Activez une au moins des quatre options pour filtrer les unités de travail et définir les critères de filtrage.

      Conseil :

      Vous pouvez sélectionner n’importe quelle combinaison d’options de filtre pour choisir les unités de travail de votre choix. Vous verrez le nombre d’unités de travail sélectionnées entre parenthèses à côté de l’option de filtre.

   Les unités de travail qui répondent aux critères de recherche seront affichées sur la carte ou dans la table du volet de gauche.

Pour mettre à jour manuellement les propriétés des unités de travail sélectionnées, sélectionnez une ou plusieurs unités de travail sur la carte ou dans la table et mettez-les à jour.

3. Sélectionnez les unités de travail à mettre à jour et les propriétés pouvant être mises à jour apparaîtront dans le volet de gauche.

   Vous pouvez mettre à jour toutes les unités de travail sélectionnées en une seule fois, plutôt que les réviser individuellement. Ce processus permet de modifier le statut de plusieurs unités de travail en même temps.

   1. Choisissez la propriété à modifier parmi les options disponibles.
   2. Modifiez la propriété dans le volet.

      Les modifications apportées aux propriétés seront automatiquement enregistrées.

4. Cliquez sur le bouton Clear selection (Effacer la sélection) pour afficher le volet principal de gauche.

Gérer les fragments d’image

Une fois les échantillons d’entraînement révisés et approuvés, la dernière étape consiste à exporter les fragments d’image qui seront utilisés pour entraîner le modèle.

1. Cliquez sur Manage image chips (Gérer les fragments d’image) une fois que le projet dispose d’un nombre suffisant d’échantillons d’entraînement.
2. Cliquez sur le bouton Export (Exporter) pour lancer l’exportation des fragments d’image en fonction des échantillons d’entraînement.
Les options du traitement sont disponibles pour indiquer l’emplacement d’exportation des fragments d’image, ainsi que des options de configuration supplémentaires sur les fragments d’image à créer.
3. Ajustez éventuellement les options de configuration et cliquez sur Export (Exporter).
La progression de la création des fragments d’image apparaît dans la sous-étape et une entrée indique les informations sur les fragments d’image avec des aperçus visuels de ces derniers.

Une fois que les fragments d’image ont été créés, l’étape suivante consiste à entraîner le modèle de Deep Learning, dans la sous-étape Train model (Entraîner le modèle).

Processus complet

En suivant ce processus, vous pouvez créer les échantillons d’entraînement et les fragments d’image pour l’entraînement du modèle de Deep Learning dans un processus complet de bout en bout. Plusieurs sous-étapes facultatives peuvent être utilisées dans le projet. Les sous-étapes supplémentaires sont fournies pour permettre la modification de projets existants lors de l’analyse. Les trois sous-étapes requises sont les suivantes :

• Collecter les échantillons d’entraînement
• Examiner les échantillons d’entraînement
• Gérer les fragments d’image

Lorsque les fragments d’image sont créés, ils sont disponibles pour l’entraînement de Deep Learning dans l’étape Train model (Entraîner le modèle). Si le modèle entraîné ne satisfait pas les conditions requises pour l’analyse, cette sous-étape peut être réexaminée. Vous pouvez modifier ou collecter des échantillons d’entraînement supplémentaires et créer des fragments d’image à utiliser dans le prochain entraînement de modèle.