Comment contourner le besoin de grands volumes de données de référence dans les modèles d’apprentissage automatique ?
La mise en œuvre de chaînes de cartographie automatique (occupation des sols, variables bio-physiques) reposant sur des méthodes d’apprentissage nécessite de grandes quantités de données de référence (vérités terrain, annotations par photo-interprétation) et des modèles de machine learning avec beaucoup de paramètres et donc gourmands en ressources de calcul. Une façon de contourner ces difficultés […]