14  Calcul des features

Ce chapitre est en cours de construction et peut être incomplet.

14.1 Vue d’ensemble

Bien que l’API MOSAIKS fournisse des features pré-calculées pour de nombreuses applications, certains cas d’usage nécessitent le calcul de features personnalisées. Ce chapitre couvre les aspects techniques de la génération de features MOSAIKS à partir d’images satellites.

14.2 Prérequis

Pour calculer les features MOSAIKS, vous aurez besoin de :

  • Imagerie satellite (voir Chapitre 10)
  • Un environnement de calcul avec GPU (fortement recommandé)
  • Python avec bibliothèques de deep learning (PyTorch recommandé)
  • Stockage suffisant pour les matrices de features

14.3 Implémentation

Il existe plusieurs manières d’implémenter l’extraction des features MOSAIKS :

14.3.1 Implémentation avec torchgeo

La bibliothèque torchgeo fournit une implémentation PyTorch des features de convolution aléatoires (RCF) :

import torch
from torchgeo.models import RCF

# Définition des paramètres du modèle
patch_size = 3  # Taille des patches aléatoires
in_channels = 4  # Nombre de bandes spectrales d’entrée
num_filters = 4000  # Nombre de features à générer

# Pour le mode 'empirical', fournir une classe PyTorch Dataset personnalisée
# Si 'gaussian', ne pas fournir de dataset.

# Initialisation du modèle RCF
model = RCF(
    in_channels=in_channels, 
    features=num_filters, 
    kernel_size=3, 
    bias=-1.0, 
    seed=42, 
    mode='empirical',
    dataset=CustomDataset,
)

# Déplacement du modèle sur GPU si disponible
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = model.to(device)

14.4 Paramètres des features

Plusieurs paramètres clés influencent l’extraction des features :

14.4.1 Nombre de features (K)

  • Détermine la dimensionnalité du vecteur de features
  • Un plus grand nombre de features capture plus d’informations
  • Augmente la charge de calcul et les besoins en stockage
  • Plage typique : 1 000 - 8 192 features
  • Diminution des gains au-delà de 4 000 features

14.4.2 Taille des patches

  • Détermine l’étendue spatiale prise en compte
  • Des patches plus grands capturent plus de contexte
  • Mais augmentent la charge de calcul
  • Taille typique : 3×3 ou 5×5 pixels
  • À adapter à la résolution de l’imagerie

14.4.3 Nombre de canaux en entrée

  • Dépend du nombre de bandes spectrales disponibles
  • RVB = 3 canaux
  • Possibilité d’utiliser des bandes supplémentaires (ex. NIR, SWIR)
  • Plus de bandes = information spectrale plus riche
  • Mais augmente la charge de calcul

14.5 Considérations pratiques

14.5.1 Gestion de la mémoire

Lors du traitement de grands ensembles de données satellitaires :

  • Utilisation de mini-batches pour limiter la consommation mémoire
  • Stockage temporaire sur disque si la RAM est insuffisante
  • Utilisation de torch.no_grad() pour désactiver la rétropropagation

14.5.2 Formats de stockage

Formats efficaces pour stocker de grandes matrices de features :

  • Parquet (rapide, compressé, optimisé pour le stockage et l’accès)
  • Zarr (bon pour l’accès distribué et le cloud computing)
  • Feather (optimisé pour Pandas et Apache Arrow)

14.5.3 Traitement parallèle

Pour extraire les features sur de grands ensembles de données :

  • Utilisation de torch.multiprocessing
  • Découpage des images en lots
  • Exécution sur plusieurs GPU (si disponible)
  • Traitement en parallèle sur un cluster

14.6 Contrôle qualité

Vérifications essentielles lors de l’extraction des features :

  1. Validation des entrées
    • Dimensions des images
    • Gamme des valeurs de pixels
    • Données manquantes
    • Ordre des bandes spectrales
  2. Analyse statistique des features
    • Vérification des distributions
    • Détection de valeurs nulles/anormales
    • Corrélation entre features
    • Analyse de l’importance des features
  3. Suivi des performances
    • Utilisation de la mémoire
    • Vitesse de traitement
    • Utilisation du GPU
    • Efficacité du stockage

14.7 Bonnes pratiques

  1. Documentation
    • Enregistrer tous les paramètres utilisés
    • Tracer les sources de données
    • Documenter les étapes de traitement
    • Noter les éventuels problèmes rencontrés
  2. Tests
    • Tests unitaires sur les fonctions critiques
    • Tests d’intégration
    • Tests de performance
    • Vérifications de validité des résultats
  3. Gestion des versions
    • Versionner le code
    • Versionner les features
    • Suivre les paramètres d’extraction
    • Enregistrer les résultats intermédiaires
À venir

Dans le prochain chapitre, nous travaillerons sur un exemple complet de calcul de features MOSAIKS personnalisées.