Skip to main content

Fenêtre Find Similar (Rechercher des sites similaires)

La fenêtre Find Similar (Rechercher des sites similaires) effectue une recherche de similarité sur les données de localisation et d’image en comparant leurs représentations d’embedding. Elle est conçue pour l’exploration en temps réel, soutenant de manière dynamique la découverte d’entités similaires grâce à une interaction directe avec la carte et les enregistrements sélectionnés.

La fenêtre Find Similar (Rechercher des sites similaires) fonctionne sur les entités de l’étendue actuelle de la vue cartographique, ce qui la rend optimisée pour une exploration ciblée et contextuelle. Lorsque vous faites un panoramique ou zoomez sur la carte, une recherche de similarité est effectuée sur le sous-ensemble visible de données, garantissant ainsi des performances réactives et un contexte spatial significatif.

Contrairement à l’outil de géotraitement Find Similar Features Using Embeddings (Rechercher des fonctionnalités similaires à l’aide des intégrations), qui est optimisé pour l’analyse par lots à grande échelle, la fenêtre Find Similar (Rechercher des sites similaires) est réactive et basée sur l’expérience. Les résultats sont générés immédiatement sur la base de la sélection et visualisés directement dans la vue cartographique, soutenant l’exploration itérative, la comparaison rapide et l’affinement interactif des critères de similarité.

Ce processus sert également d’étape préparatoire à une analyse à grande échelle. En testant de manière interactive différentes caractéristiques de requête et en évaluant leurs résultats de similarité dans l’étendue de la carte, vous pouvez identifier les entités de requête les plus appropriées avant d’exécuter l’outil de géotraitement pour une recherche de similarité au niveau de l’ensemble de données complet.

La fenêtre Find Similar (Rechercher des sites similaires) est destinée à l’analyse exploratoire, à la validation rapide et à la prise de décision éclairée avant des opérations de similarité sollicitant une quantité de ressources.

Processus conceptuel

Conceptuellement, la fenêtre Find Similar (Rechercher des sites similaires) fonctionne comme suit :

Embeddings en entrée (espace de recherche)

Les entités d’embedding en entrée définissent l’espace de recherche pour l’analyse de similarité. Chaque entité contient une représentation d’embedding dérivée soit d’une imagerie, soit d’une localisation géographique.

Pour les embeddings d’image, les cellules de grille d’embedding représentent les entités extraites de l’imagerie sous-jacente. Tous les calculs de similarité sont effectués sur ces cellules de grille d’embedding. L’imagerie est affichée uniquement à titre de référence visuelle et n’est pas directement utilisée dans les calculs de similarité.

Représentation visuelle de l’espace de recherche des embeddings d’image

Les embeddings d’images encodent des entités extraites de l’imagerie. Les calculs de similarité sont effectués sur les grilles d’embedding et non sur les pixels des images.

Pour les embeddings de localisation, chaque entité est représentée par un embedding dérivé de sa localisation géographique. La similarité est calculée en comparant ces embeddings basés sur la localisation.

Représentation visuelle de l’espace de recherche des embeddings de localisation

Les entités spatiales encodées dans les embeddings de localisation dépendent du modèle d’embedding utilisé pour générer les embeddings. En conséquence, les entités considérées comme similaires sont basées sur les modèles ou les entités appris par ce modèle.

De même, pour les embeddings de texte, chaque entité est représentée par un embedding dérivé de son attribut textuel associé. La similarité est calculée en comparant ces embeddings de texte, qui capturent les relations sémantiques entre les entités.

Entités de requête

Les entités de requête définissent les objets d’intérêt pour la recherche de similarité. Une ou plusieurs entités surfaciques peuvent être utilisées en tant que requêtes. Ce sont des entités surfaciques sélectionnées à partir des entités d’embedding d’entrée. En d’autres termes, vous mettez en avant de manière interactive une ou plusieurs entités d’embedding existantes pour définir la zone ou les objets d’intérêt.

Les vecteurs d’embedding des entités sélectionnées sont agrégés en calculant leur moyenne, produisant un vecteur d’embedding de requête représentatif unique. Ce vecteur agrégé capture les caractéristiques sémantiques globales des entités sélectionnées.

L’embedding de requête obtenu est ensuite comparée à tous les embeddings dans l’étendue actuelle de la vue cartographie en utilisant la similarité cosinus pour identifier les entités similaires.

Représentation visuelle des entités de requête

Les vecteurs d’embedding des entités sélectionnées sont moyennés pour calculer l’embedding de requête.

Évaluation de similarité et filtrage des résultats

L’embedding de requête dérivé est comparé aux embeddings dans l’espace de recherche et un score de similarité est calculé pour chaque embedding candidat dans l’espace de recherche.

Le paramètre de seuil est appliqué aux résultats du filtre. Seules les entités dont le score de similarité atteint ou dépasse le seuil minimal spécifié sont incluses dans la sortie.

Le flux de travail détecte toutes les entités d’embeddings qui répondent aux critères de similarité dans l’étendue actuelle de la vue cartographique.

Visualisation résultante

L’image en entrée est recouverte par les cellules de grille d’embedding (à gauche) et une région de requête sélectionnée est utilisée pour calculer un embedding de requête moyen dont les entités d’embedding similaires sont mises en évidence sur la totalité de l’image (à droite).

Exportation des résultats de recherche

Les résultats de la recherche de similarité peuvent être exportés vers une classe d’entités en sortie en utilisant le bouton Export Result (Exporter le résultat) de la fenêtre Find Similar (Rechercher des sites similaires). La classe d’entités exportée stocke les entités correspondantes ainsi que tous les attributs disponibles.

Remarque :

Exporter les entités dans un dossier sous forme de fichier de forme ne préserve pas les embeddings. Les embeddings ne peuvent être exportés que vers les formats de géodatabases pris en charge — géodatabases de fichiers, géodatabases d’entreprise (classes d’entités enregistrées) ou géodatabases mobiles.

Interprétation de la similarité basée sur les embeddings

La recherche de similarité est effectuée entièrement sur des représentations d’embedding. La définition de similarité dépend du type des embeddings utilisés et du modèle qui les a générés.

Embeddings de localisation

Lorsque des embeddings de localisation sont utilisés, chaque entité est représentée par un embedding dérivé de sa localisation et de sa zone géographiques. La similarité entre les entités est calculée en comparant ces représentations d’embedding.

Les caractéristiques spatiales encodées dans les embeddings dépendent du modèle d’embedding utilisé. Par conséquent, les entités considérées comme similaires sont basées sur les modèles appris par le modèle qui a généré les embeddings.

Embeddings d’image

Lorsque des embeddings d’image sont utilisés, les cellules de grille d’embedding représentent les entités extraites à partir de l’imagerie sous-jacente. La recherche de similarité est effectuée sur ces cellules de grille d’embedding et non sur les pixels des images eux-mêmes.

L’imagerie affichée sur ma carte est fournie uniquement à titre de référence visuelle et n’est pas directement utilisée dans les calculs de similarité. Toutes les comparaisons sont effectuées à l’aide des représentations d’embedding dérivées de l’imagerie.

Embeddings de texte

Lorsque des embeddings de texte sont utilisés, chaque entité est représentée par un embedding dérivé de son attribut textuel associé. La similarité entre les entités est calculée en comparant ces représentations d’embedding.

Dans tous les cas, la similarité est déterminée en comparant les représentations d’embedding ; les résultats peuvent varier selon le modèle d’embedding utilisé.