Nous utilisons des cookies afin de réaliser des statistiques et des mesures d’audience.
En savoir plus
Gérer vos préférences

Scaleway vous accompagne dans votre évolution

Découvrez ce que nos clients ont accompli et soyez inspiré !

Les instances RENDER-S GPU de Scaleway constituent une solution performante et avantageuse dans l’infrastructure d’intelligence artificielle appliquée à la reconnaissance d’images, déployée par Earthcube

Secteur industriel : Reconnaissance d’images

QG : Paris, France

Fondée en : 2016

Produits utilisés : GPU Instances

« Les instances de Scaleway RENDER-S GPU nous fournissent, à prix abordable, une machine très puissante dotée d’une interface simple. »
Renaud ALLIOUX
Co-foundateur d’Earthcube

Qui est Earthcube ?

Fondée en 2016, Earthcube propose des solutions d’IA  (intelligence artificielle) révolutionnaires qui ouvrent de nouvelles perspectives aux secteurs de la veille économique, de la sécurité, de l’environnement et de la défense.
Cette start-up française réunit actuellement plus de 50 experts du traitement d’images et du Machine Learning. Les solutions de surveillance qu’elle développe sont basées sur une analyse automatisée d’informations géospatiales.

L’ambition d’Earthcube : proposer une solution, transparente et hautement accessible, de suivi à grande échelle pour systèmes stratégiques. Ce service, premier du genre, permettra d’une prise de décision d’une précision et d’une pertinence extrêmes, dans l’industrie ou au niveau environnemental.

Leur projet

Earthcube propose, sous licence, un logiciel de reconnaissance et d’analyse approfondie d’images satellites. Ses solutions sont à l’image de sa clientèle : variée. Il peut s’agir, entre autres, de superviser à distance les programmes de constructions d’agences de développement, ou de gérer les contraintes de sécurité imposées par les nombreuses administrations.

L’un des produits-phares d’Earthcuve est un modèle permettant d’identifier des aéronefs à partir d’images et de modèles satellites (civils et militaires) avec un taux de précision de 94 %.  L’ensemble des données d’apprentissage regroupe 200 000 avions identifiés dans 2 000 aéroports, avec une précision au pixel près.

Earthcube offre également des produits plus généraux, notamment une plate-forme complète de reconnaissance d’images « IA as a service », qui recoupe des informations géospatiales-clés. Cette plate-forme logicielle peut être déployée on premise ou consommée en mode SaaS.
Pour en savoir plus sur sa vision du Deep Learning et suivre son actualité, consultez la page Média ou la chaîne YouTube de l’entreprise.

La solution

Pour garantir une reconnaissance d’images très précise, le logiciel d’Earthcube a recours aux techniques de Deep Learning les plus récentes et à différents réseaux neuronaux, tels que le « Capsule Neural Network».

Concernant l’apprentissage de l’algorithme (le Deep Learning repose sur l’apprentissage automatique), l’entreprise s’appuie sur plusieurs méthodes, augmentation du temps de test ou inférence bayésienne, par exemple, et se sert de Tensorboard pour surveiller ses indicateurs.
Basées sur RetinaNet, les solutions d’Earthcube traitent des dizaines de millions de paramètres requis pour le traitement d’images (reconnaissance, classification et détection). Les résultats font ensuite l’objet d’un traitement global.

Pour garantir la haute qualité du modèle, de nombreux tests sont effectués sur environ 10 % des ensembles de données ‑ ces données ne sont jamais utilisées pendant les phases d’apprentissage ni même en validation croisée.

Pour la couche de persistance, l’entreprise s’appuie largement sur ses clients, car elle doit se connecter à leurs images pour les comparer ses modèles.
Chaque client a sa propre configuration et sa propre solution de stockage hétérogène, ce qui exige une parfaite interconnexion de son logiciel et une large variété de scénarios.
Par exemple, il est possible d’interconnecter de nombreux moteurs de base de données propriétaires, tels que MarkLogic ou des logiciels Open Source tels que PostGIS.

Pour les bases de données géographiques propriétaires, Earthcube utilise principalement min.io comme solution de stockage, mais a, parfois et exclusivement en interne, recours au moteur Google Earth Engine.
Dans tous les cas, ces sources de données se connectent toujours à sa plate-forme afin que ses équipes scientifiques disposent d’un environnement intégré facile à utiliser.

Figure 1 : Infrastructure d’acquisition des modèles de Deep Learning utilisés dans son application

Concernant l’environnement logiciel, l’entreprise favorise les solutions Open Source ou développées en interne. Celles-ci peuvent être déployées dans le cloud, ou directement sur les infrastructures du client si le logiciel doit être exécuté sur site. Certains clients ne sont pas encore passé au SaaS et préfèrent recourir au modèle traditionnel. La plate-forme de données internes de l’entreprise est donc construite à l’aide de Python et de logiciels Open Source tels que PyTorch.

Les tâches et les files d’attente d’Earthcube sont gérées à l’aide de Celery et de RabbitMQ. Les solutions sont généralement fournies sous forme de conteneurs, Docker servant d’environnement d’exécution.

Figure 2 : Workflow de l’application

Les atouts de Scaleway

La valeur ajoutée d’Earthcube est principalement issue de ses modèles. Pour que le niveau de qualité recherché soit atteint, leur production nécessite donc une phase de calcul d’apprentissage intensive sur 4 à 5 semaines. Pour réduire les temps de calcul et contrôler les coûts, Earthcube exécute en continu 10 instances RENDER-S GPU puissantesque Scaleway propose à prix abordable.

Earthcube s’appuie sur l’écosystème cloud complet de Scaleway Elements pour exécuter ses tâches et mener à bien ses projets de recherche et développement, exécution de nombreux tests d’algorithmes et mise au point de maquettes exclusivement dédiées aux projets internes de l’entreprise, entre autres. Pour sécuriser ce type d’activités, un VPN a été configuré entre son pool RENDER-S et ses bases de données internes.

La consommation des ressources d’Earthcube est stable. Ses équipes doivent soumettre rapidement leurs modèles à un apprentissage et les tester en parallèle.
L’entreprise gère un nombre constant de nœuds avec un système de file d’attente pour les tâches. Le prix très compétitif des instances de RENDER-S l’autorise.
Par ailleurs, les analystes de données apprécient la disponibilité d’une instance avec processeur graphique dédié, sur lequel ils peuvent effectuer des réglages très fins et procéder à un débogage précis.

Renaud ALLIOUX, cofondateur d’Earthcube, explique : « Nous sommes très satisfaits des instances RENDER-S, car elles offrent une interface simplifiée à des machines puissantes. Comme nous faisons partie des premiers utilisateurs GPUnous avons également pu établir une relation privilégiée avec l’équipe IA via Slack pendant les différentes phases de tests ».

Earthcube attribue également une grande importance au fait que Scaleway soit une entreprise française, qui mène ses activités en France et respecte les lois en vigueur sur le territoire national. Cela rassure les clients. locaux, et cela montre aux autres qu’il existe des alternatives aux géants de l’industrie.

Plus de témoignages

Fondée en 2012, Sirdata est une entreprise française innovante spécialisée dans le traitement de données.

Sirdata

Veryswing est spécialisée dans le développement de logiciels professionnels d’automatisation en environnement SaaS.

En savoir plus

Frames Dealer propose des services de banque vidéo ainsi qu’un partenaire créatif s’adressant aux industries créatives, aux univers de la production, de la post-production ainsi qu’à l’événementiel.

En savoir plus

Intéréssé par nos produits ?