Intégration d’un module d’apprentissage profond dans l’architecture logicielle d’un SIG Web

Depuis plusieurs années, l’intelligence artificielle connaît une très forte croissance de popularité aussi bien dans le milieu de la recherche scientifique qu’auprès de grandes compagnies des technologies de l’information. L'apprentissage profond, qui est un domaine de l'intelligence artificielle, s’invite aujourd’hui dans de nombreux domaines tels que les moteurs de recherche sur le Web, les assistants virtuels, la reconnaissance d’images ou encore les voitures autonomes. La majorité des algorithmes d’apprentissage profond sont basés sur des réseaux de neurones artificiels. Ceux-ci sont composés de neurones interconnectés organisés en couches successives. Depuis quelques dizaines d’années, les réseaux de neurones sont utilisés en géomatique. Particulièrement en télédétection le potentiel de reconnaissance d’images est exploité, notamment, à des fins de classification d’images ou de reconnaissance de cibles. Néanmoins, l'apprentissage profond n'est pas encore disponible dans les outils de géomatique les plus courants rendant ainsi l’accès à cette technologie plus difficile pour la communauté des géomaticiens. Dans cet essai un module d'apprentissage profond pour la classification d'images à très haute résolution a été intégré à un SIG sur le Web. La solution développée utilise une librairie de programmation dans le langage Python pour la création de réseaux de neurones artificiels. L’interface utilisateur permet de classifier des images géoréférencées sans connaissance en apprentissage profond ou en programmation de manière intuitive. L’application étant développée avec des outils de programmation libres et ouverts, il serait possible de la modifier pour l’adapter à une autre problématique spécifique