L'intelligence artificielle apprend à lire le cadastre napoléonien
Résumé
The Veccar project focuses on the interest using deep learning in analyzing geographical information from ancient maps, namely the vectorization process. Two image processing methods have been investigated to extract boundaries of Napoleonian cadastral sheets. The first one is directly inspired by works done in the ANR SoDUCo, which involves a deep neural network to identify the edges of objects (parcels, roads, etc.). The second method, called "panoptic segmentation" aims to segment different instances of object classes; in the case of a cadastre, it involves locating and extracting each plot. The results obtained are promising but need to be improved. These methods open paths to new perspectives in cadastral semi-automatic processing that combine artificial intelligence and human expertise.
Le projet Veccar s'intéresse à l'intérêt du deep learning dans une étape-clé de l'acquisition moderne ou contemporaine d'information géographique depuis des cartes anciennes, à savoir la vectorisation. Deux méthodes de traitement d'image numérique par deep learning sont présentées pour extraire des limites de parcelles de cadastres napoléoniens. La première s'inspire directement de celle utilisée dans l'ANR SoDUCo qui utilise un réseau de neurones profonds cherchant à identifier les bords des objets (parcelles, chemins, etc.). La seconde méthode appelée « la segmentation panoptique » vise à segmenter les différentes instances de classes d'objets, dans le cas d'un cadastre il s'agit de repérer et extraire chaque parcelle. Les résultats obtenus sont prometteurs mais perfectibles. Ces méthodes ouvrent la voie vers de nouvelles perspectives de traitement associant l'Intelligence Artificielle et l'expertise humaine.
| Origine | Accord explicite pour ce dépôt |
|---|---|
| Licence |