Les algorithmes de recommandation qui alimentent Amazon, Netflix peuvent également améliorer l’imagerie satellite

Les algorithmes de recommandation qui alimentent Amazon, Netflix peuvent également améliorer l'imagerie satellite

Les statistiques et les exemples de données de l’ensemble de données d’entraînement. Crédit: Journal international d’observation appliquée de la Terre et de géoinformation (2022). DOI : 10.1016 / j.jag.2022.102770

Les algorithmes qui aident les consommateurs à décider quoi diffuser ou acheter en ligne peuvent faire plus que prédire les habitudes des clients : ils peuvent aider les satellites à mieux voir la Terre, selon une étude de Rutgers.

Les satellites optiques perdent de vue la surface de la Terre lorsqu’elle est recouverte de nuages, et les chercheurs se sont longtemps appuyés sur des outils imprécis pour combler les angles morts, en particulier le long des côtes. En adaptant un algorithme de recommandation initialement conçu pour Netflix, Ruo-Qian (Roger) Wang, professeur adjoint de génie civil et environnemental à la Rutgers School of Engineering, a créé un système plus précis et plus rapide pour prédire les paysages nuageux dans les zones côtières. domaines que les outils de saisie de données conventionnels.

Les conclusions sont publiées dans le Journal international d’observation appliquée de la Terre et de géoinformation.

“Les plates-formes de services électroniques comme Alibaba et Amazon utilisent des systèmes de recommandation, qui exploitent de grands ensembles de données pour fournir des recommandations de produits personnalisées afin d’aider les clients à prendre des décisions”, a déclaré Wang. “Il est intéressant de noter que la façon dont les systèmes de recommandation traitent les données n’est pas sans rappeler le processus de prédiction des paysages côtiers obscurcis par les nuages.”

En haute mer, les algorithmes de remplissage des nuages ​​utilisés dans la télédétection mesurent des données continues, telles que la température de l’eau, la couleur et la teneur en algues, pour faire des prédictions sur ce qui est caché. Mais ces solutions échouent le long de la côte, où “les erreurs sont amplifiées en raison de l’augmentation de la couverture nuageuse, de la végétation et d’autres variables”, a déclaré Wang, ajoutant que les systèmes de recommandation “pourraient faire un meilleur travail dans cet objectif”.

Pour tester son hypothèse, Wang a construit un modèle de remplissage du cloud sur le travail de Simon Funk, un développeur de logiciels qui a remporté un concours d’outils de recommandation Netflix. L’algorithme, appelé Funk-SVD, trace les avis des consommateurs sur une matrice. Ces données sont ensuite utilisées pour prédire les habitudes de visionnage des utilisateurs qui n’ont pas enregistré d’avis.

C’est un processus similaire pour le remplissage des nuages : chaque coordonnée sur une carte est représentée par un pixel sur une photographie et ce pixel peut être de l’eau ou de la terre, les nuages ​​représentant des données non enregistrées. L’adaptation de Funk-SVD par Wang fait des suppositions sur ce qui se trouve sous les nuages ​​en se basant sur d’autres points de données.

À l’aide d’une base de données d’images de 258 images dérivées de missions Landsat dans la baie du Delaware, Wang a formé Funk-SVD pour compléter le schéma de remplissage des nuages. Sa solution était plus précise que l’outil de remplissage de cloud le plus largement utilisé, DINEOF (Data-Interpolating Empirical Orthogonal Functions), et a atteint une précision similaire à un autre outil populaire, Datawig, qui est alimenté par l’apprentissage automatique. Alors que Datawig utilise une grande puissance informatique et peut prendre des jours à traiter, la solution de Wang a pris 30 secondes.

Wang a déclaré que sa solution avait de nombreuses applications pour l’observation de la Terre à long terme. La méthode pourrait être utilisée pour mesurer la production agricole, par exemple, ou pour cartographier le rythme de l’urbanisation sur de vastes zones. Il peut également le faire plus rapidement et à moindre coût que les méthodes conventionnelles.

“Tout changement général d’utilisation des terres pourrait être surveillé à l’aide de cet outil”, a déclaré Wang.


Dew aide le cloud computing au sol


Plus d’information:
Ruo-Qian Wang, Un schéma de remplissage de données cloud inspiré d’un système de recommandation pour la classification de l’utilisation des terres côtières par satellite, Journal international d’observation appliquée de la Terre et de géoinformation (2022). DOI : 10.1016 / j.jag.2022.102770

Fourni par l’Université Rutgers

Citation: Algorithmes de recommandation qui alimentent Amazon, Netflix peut également améliorer l’imagerie satellite (11 mai 2022) récupéré le 11 mai 2022 sur https://techxplore.com/news/2022-05-algorithms-power-amazon-netflix-satellite.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.