Les images satellites peuvent contenir une mine d'informations, du nombre de bâtiments dans une ville au type de cultures cultivées dans les champs à travers le monde. Mais extraire ces données d'une image est plus compliqué que de travailler avec des ensembles de données vectorielles. Historiquement, pour extraire les bâtiments, ou les piscines, ou les palmiers dans une image, il aurait fallu numériser manuellement chaque élément, un processus qui pouvait prendre des semaines voire des années selon la taille de l'image. Mais avec les améliorations de la puissance informatique et les nouveaux outils accessibles pour l'apprentissage profond dans ArcGIS Pro, n'importe qui peut entraîner un ordinateur à faire le travail d'identification et d'extraction des éléments à partir des images.<\/SPAN><\/P>Au niveau le plus élevé, l'apprentissage profond, qui est un type d'apprentissage automatique, est un processus où l'utilisateur crée des échantillons d'entraînement, par exemple en dessinant des polygones sur les toits, et le modèle informatique apprend à partir de ces échantillons d'entraînement et analyse le reste de l'image pour identifier des éléments similaires. Ce billet de blog sera le premier d'une série en trois parties explorant plus en profondeur le processus, en commençant par les exigences logicielles et matérielles pour exécuter un modèle d'apprentissage profond dans ArcGIS Pro.<\/SPAN><\/P>https:\/\/www.esri.com\/arcgis-blog\/products\/arcgis-pro\/imagery\/deep-learning-with-arcgis-pro-tips-tricks<\/A><\/P> <\/P>
