Google Cloud AutoML Vision.
Classifier des images grâce à l’apprentissage-machine
Comme mentionné dans la leçon précédente, Texty s’est servie de deux algorithmes différents dans la réalisation de Leprosy of the Land (Lèpre de la Terre).
Après que le premier algorithme leur ait permis de diviser des sections d’images satellites de forêts ukrainiennes en sous-sections visuellement uniformes, les utilisateurs ont eu besoin d’un second algorithme capable d’identifier les sections d’images satellites ressemblant le plus aux exemples d’images existantes de l’exploitation de l’ambre. Ce dont ils avaient besoin était un « classificateur personnalisé ».
Utiliser des exemples étiquetés pour apprendre
Un classificateur personnalisé est un type de modèle d’apprentissage-machine que vous pouvez déployer lorsque votre cas d’utilisation vous oblige à appliquer des étiquettes prédéfinies pour classifier un ensemble de données d’images que vous souhaitez étudier.
Dans notre cas, ces étiquettes prédéfinies sont simples : « OUI : cette image comprend des éléments visuels correspondant à des modèles qui montrent habituellement une activité minière de type ambre » et « NON : cette image ne comprend pas d’éléments visuels qui suggèrent une activité minière de type ambre ».
Google Cloud AutoML Vision nous permet justement de le faire. Nous apprendrons à l’utiliser pour effectuer un apprentissage supervisé, c’est-à-dire que nous formerons un modèle d’apprentissage-machine à appliquer les étiquettes OUI et NON appropriées à un ensemble d’images que nous lui fournirons.
Choix d’un algorithme
Comme Jeremy Merrill du Quartz AI Studio l’a dit dans son Crash Course in Classifying Text with Machine Learning, « pour vos besoins de journaliste - peu importe l’algorithme que vous choisissez, tant que vous choisissez un algorithme qui agit dans le bon sens ».
AutoML Vision n’est pas le seul outil que nous pourrions utiliser pour atteindre notre objectif. En fait, ce n’est pas l’algorithme que Texty a utilisé pendant dans le cadre de son enquête et ses recherches. La raison pour laquelle nous utilisons AutoML Vision dans ce cours tient à son accessibilité : il n’est pas nécessaire d’être un génie en codage pour apprendre comment il fonctionne et former un modèle performant sur vos données.
Si vous avez déjà des compétences en codage et que vous souhaitez approfondir vos connaissances, consultez fast.ai Practical Deep Learning for Coders.
Configurer votre compte Google Cloud
Pour utiliser AutoML Vision, vous devez créer un compte Google Cloud. Dès votre inscription, vous recevrez 300 USD de crédit pour commencer vos expériences. Chaque exercice de formation à un modèle d’apprentissage machine, comme celui que nous allons faire dans ce cours, coûte environ 20 USD. Suivez ce guide étape par étape :
Cliquez sur « Try for Free » sous « Get Started with Google Cloud Platform » et suivez les instructions pour créer votre compte.
Une fois le compte créé, ouvrez le menu de navigation sur le côté gauche de la page et faites défiler la page jusqu’en bas pour trouver « Vision » dans la section « Artificial Intelligence ». Cliquez sur « Dashboard ».
Vous accédez désormais à votre espace de travail, lequel affiche les outils « Vision » de Google Cloud, y compris celui que nous allons utiliser : « Image Classification ». Cliquez sur « Datasets » dans le menu de navigation à gauche.
Ensuite, cliquez sur « Enable AutoML API ». Le processus peut prendre quelques secondes. Ensuite, cliquez sur « Get Started ».
À ce stade, vous devriez voir un écran pratiquement vierge, car vous n’avez encore mis à jour aucun ensemble de données. C’est ce que nous allons voir dans la prochaine leçon.
Et ensuite... ?
Vous êtes à présent prêt à utiliser AutoML Vision. Dans la suite du cours, nous apprendrons à utiliser cet outil pour obtenir le résultat souhaité : former un modèle d’apprentissage-machine pour constater l’exploitation illégale de l’ambre.
Texty et JournalismAI sont partenaires dans la réalisation de ce cours. Grâce à ce partenariat, nous pourrons utiliser un échantillon des images satellites réelles utilisées par Texty dans le cadre de l’enquête Leprosy of the Land.
Avant d’aller plus loin, assurez-vous de vérifier les autres produits d’IA et d’apprentissage-machine proposés par Google Cloud, notamment Natural Language, Translation, Speech-to-Text et Text-to-Speech, et bien plus encore.
-
-
Augmentez le trafic grâce aux produits de recherche Google
LeçonAidez plus d'internautes à découvrir vos actualités -
Introduction to AI for News Business Teams
LeçonLearn about Google's approach to AI and how our products can support news business teams.