Arealstatistik Deep Learning (ADELE)

| Dernière mise à jour: 26.09.2022

image - experimental statistics

Résumé

La statistique de l'utilisation et de la couverture des sols de l’OFS constitue un outil indispensable de l’observation à long terme du territoire. Le but de ce projet était d'apprendre et de maîtriser les technologies de l'Intelligence Artificielle (IA), afin d'automatiser partiellement l’interprétation visuelle des images aériennes pour la détection des changements et la classification. Le projet s'est déroulé de 2017 à 2021 et a permis, à partir de 2022, la classification automatique d’environ un quart des points d'échantillonnage avec une précision permettant de répondre aux exigences très élevées de la statistique publique.

Description

Parmi les méthodes d’apprentissage issues de l'IA pour la reconnaissance d’images, celle du Deep Learning est particulièrement adaptée à la statistique de l'utilisation et de la couverture des sols, car les données d’entraînement sont disponibles en très grandes quantités.

Le projet s'est déroulé en deux phases. La première phase consistait à développer un prototype informatique et la deuxième à implémenter celui-ci dans le système de production de la statistique de la superficie. Les observations et critères d'évaluation qui en résultent sont détaillées dans un rapport de transfert en production.

Grâce aux connaissances et à l’expérience accumulée lors de ce projet, de nouveaux développements sont prévus à moyen terme dans le but d’améliorer la performance, mais aussi l’intégration des outils IA dans l’environnement de production.

Objectifs

Les objectifs suivants ont été atteints :

  • Développer les compétences des collaborateurs dans le domaine de la télédétection et des technologies d'IA.
  • Caractériser les futures sources de données de base et intégrer celles qui seront jugées adéquates.
  • Déterminer et utiliser le potentiel de réduction de la charge d'interprétation par des technologies d’IA et l’intelligence artificielle.

 

Documentation