marguerite espada frédéric eichelbrenner jordi gibert veremes...taln : branche du machine learning...
TRANSCRIPT
Marguerite Espada
Frédéric Eichelbrenner
Jordi Gibert
Veremes
InterfaceFME Desktop 2019
Interface
Interface optimisée et personnalisable
• Nouvelle interface en mode sombre (dark mode)
• Prévisualisation intégrée dans Workbench
• Data Inspector : Mode animation
• Amélioration de l’ancrage des fenêtres
• Taille automatique des Transformers et Feature Types
• Nouvelles palettes de couleurs pour les bookmarks
• Amélioration des outils de commentaires
Cache d’entités et exécution
partielleFME Desktop 2019
Cache d’entités et exécution partielle
• Mécanismes apparus en 2018
• Améliorés en 2019
• Fonctionnent de pair avec « Visual
Preview »
• Gain de performance ultime : ne pas réaliser
un traitement
Amélioration des performances
FME Desktop 2019
2019
2018
273 000 ENTITÉS DISSOUTES
Dissolver
2019
2018
Esri Shapefile
693 444 ENTITÉS LUES
Reader shp Esri
Esri Shapefile (Tech Preview)
35 sec
1,6 sec
Mise à jour de Transformers
FME Desktop 2019
Tester
Test composite plus littéraire
Ce changement se répercute sur TestFilter
20192018
ChangeDetector
La nouvelle version 2019 détecte les mises à jour
20192018
Transformers
Enregistrement du paramétrage de Transformers
Autres mises à jour
• Python
• Traitement parallèle revu et disponible dans les
Transformers personnalisés pour une réelle
amélioration des performances
Nouveaux Transformers
FME Desktop 2019
EsriReprojector
Pas nouveau, mais réécrit pour ne pas utiliser ArcObjets
ConnectorsFME Desktop 2019
Nouveaux connecteurs
Interfaces personnalisées : • AzureBlobStorageConnector
• AzureFileStorageConnector
• CesiumIonConnector
• CityworksConnector
• GoogleCloudStorageConnector
• S3Connector
• AzureQueueStorageConnector
(prochainement)
• KafkaConnector (prochainement)
• TrelloConnector (prochainement)
PackageFME Desktop 2019
Package : rendre FME modulable
• Installer certains composants sans avoir à télécharger et installer une nouvelle
version
• Les développeurs peuvent transmettre plus facilement les différents composants
• Les nouveaux Transformers et Readers/Writers sont à présent disponibles sur FME
Hub au format .fpkg
• Paquets actuellement disponibles :
➢ S3Connector
➢ CesiumIonConnector
➢ RasterObjectDetector series
➢ NLP series
Nouveaux formats
FME Desktop 2019
Nouveaux formats
• Lecture native Revit
• I3s
• DGN Meshes
• Compressed File Reading
(.rar/.gz/.tgz/.zipx)
• Digital Weather Markup Language
(DWML) Reader
• FME Augmented Reality (AR)
Reader
• Garmin POI Reader/Writer
• Google Storage Connectors
• OGC Web Coverage Service (WCS)
Reader
• TopoJSON Writer
Lecture de format DICOM (imagerie médicale)
Lecture de format DICOM (imagerie médicale)
Décompression
Game Engine Support
Unreal Datasmith Writer
Vidéo disponible sur : https://youtu.be/EZbKf9HcqPk
FME Desktop 2019
Machine Learning
Traitement Automatique du Langage Naturel
TALN : branche du Machine Learning
• Linguistique
• Informatique
• Intelligence artificielle
Interprétation de langage et renvoi de réponse
Étudier des quantités massives de texte libre pour récupérer
des informations pertinentes
• Préparation jeux de données d’entraînement➢ Un corpus
• Entraînement ➢ Génération du modèle d’apprentissage au format fmd
• Interprétation➢ Interprétation d’énoncé par classification
TALN : 3 opérations
• Préparation du jeu de données d’entraînement
➢ Un corpus
• Entraînement de FME : phase d’apprentissage
➢ Conception d’un modèle au format .fmd
➢ NLPTrainer
• Interprétation d’énoncés
➢ Utilisation du modèle pour interpréter des phrases
➢ NLPClassifier
Détection d’objets
Détection d’objets dans des images
• Modèles de détection d’objets proposés par défaut➢ Visages / Corps / Animaux / Objets
• Modèles de détection définis par l’utilisateur➢ Personnalisés
• Préparation jeux de données d’entraînement➢ Sélection des images avec objet (positives)
➢ Sélection d’images sans objet (négatives)
• Entraînement ➢ Génération du modèle de détection (xml)
• Détection d’objets➢ Reconnaissance d’objets à partir du modèle de détection
Détection d’objets dans des images
• Préparation jeux de données d’entraînement➢ Délimitation de l’objet (Librairie OpenCV)
Détection d’objets dans des images
Transformers pour la détection d’objets
• Préparation jeux de données d’entraînement➢ RasterObjectDetectorSampleGenerator
➢ RasterObjectDetectorSamplePreparer
• Entraînement➢ RasterObjectDetectionModelTrainer
• Détection d’objets➢ RasterObjectDetector
Merci de votre attention