Generalizable Multiscale Segmentation of Heterogeneous Map Collections

Cet article propose un cadre de segmentation sémantique généralisable et un nouveau jeu de données de référence, Semap, pour traiter efficacement la diversité des collections de cartes historiques, démontrant ainsi la viabilité d'une approche axée sur la diversité pour l'intégration de ces archives dans les études géohistoriques.

L'essentiel

Imaginez que vous avez une immense bibliothèque remplie de milliers de cartes anciennes. Certaines sont des cartes de Paris du XIXe siècle, d'autres sont des cartes du monde entier, d'autres encore sont des plans d'assurance ou des cartes de chasse. Toutes sont différentes : les couleurs changent, le style de dessin varie, et la taille des détails n'est pas la même.

Le problème, c'est que les ordinateurs (l'intelligence artificielle) sont très doués pour lire une seule sorte de carte, mais ils ont du mal à tout comprendre d'un coup. C'est comme si vous appreniez à conduire uniquement avec une voiture de sport, et que l'on vous demandait ensuite de conduire un camion, un vélo et un tracteur sans aucune formation supplémentaire.

Voici comment cette recherche de Remi Petitpierre change la donne, expliquée simplement :

1. Le problème : L'ordinateur est trop "spécialisé"

Jusqu'à présent, les chercheurs créaient des robots intelligents spécialisés pour un seul type de carte (par exemple, uniquement les cartes de Paris). C'est efficace, mais limité. Si vous donnez une carte de Tokyo ou une vieille carte de forêt à ce robot, il est perdu. De plus, il n'y a pas assez de "livres d'exercices" (données annotées) pour entraîner ces robots sur toutes les variétés de cartes existantes.

2. La solution : Créer un "Super-Robot" polyvalent

L'auteur a décidé de créer un robot capable de comprendre n'importe quelle carte historique, quelle que soit son origine ou son style. Pour y arriver, il a utilisé deux astuces magiques :

A. La nouvelle "Bible" des cartes (Le jeu de données Semap)

Au lieu de se limiter à quelques cartes connues, l'auteur a créé un nouveau jeu de données appelé Semap.

• L'analogie : Imaginez que vous voulez apprendre à cuisiner. Au lieu de vous entraîner uniquement sur des pizzas, vous vous entraînez sur 1 439 recettes différentes : des soupes, des gâteaux, des plats asiatiques, des desserts français, etc.
• Ce que ça fait : Ce jeu de données contient des morceaux de cartes très variés, soigneusement étiquetés à la main. Cela permet au robot de voir la diversité du monde réel dès le début.

B. La cuisine avec des ingrédients imaginaires (La synthèse de données procédurales)

Comme il est impossible d'annoter à la main des millions de cartes, l'auteur a fait appel à un "chef robot" pour créer des fausses cartes qui ressemblent à de vraies.

• L'analogie : C'est comme si vous vouliez apprendre à un enfant à reconnaître les animaux. Vous ne pouvez pas lui montrer tous les lions du monde, alors vous lui montrez des dessins, des jouets et des images générées par ordinateur qui ont la bonne forme, la bonne couleur, mais qui sont fabriqués par un ordinateur.
• Le secret : L'ordinateur a généré plus de 12 000 cartes synthétiques en mélangeant des textures, des couleurs et des formes de manière aléatoire, mais en respectant les règles de la cartographie. Cela a permis d'entraîner le robot sur des situations qu'il n'aurait jamais vues autrement.

3. La méthode : Regarder la carte de loin et de près

Une carte historique est souvent immense. Si vous regardez un détail de très près, vous voyez un arbre, mais vous ne voyez pas que c'est une forêt. Si vous regardez de très loin, vous voyez la forêt, mais vous ne voyez pas les arbres.

• L'analogie : C'est comme regarder une photo de haute définition. Si vous zoomez, vous voyez les pixels. Si vous dézoomez, vous voyez le paysage.
• La technique : Le modèle utilise une stratégie "multiscale". Il analyse la carte à deux niveaux de zoom différents en même temps. Cela lui permet de comprendre à la fois les grands ensembles (comme une ville ou une rivière) et les petits détails (comme une maison ou un pont), même si la carte est découpée en petits morceaux pour être traitée.

4. Les résultats : Un robot qui ne se trompe presque jamais

Les tests montrent que ce nouveau "Super-Robot" est bien meilleur que les anciens modèles spécialisés.

• Il reconnaît très bien les bâtiments, les routes, l'eau et les espaces verts, même sur des cartes très différentes les unes des autres.
• Il est si robuste qu'il fonctionne aussi bien sur une carte suisse du XVIIIe siècle que sur une carte américaine du XIXe siècle.
• La seule faiblesse : Il a encore un peu de mal avec les lignes très fines (comme les contours précis des bâtiments ou les petites routes), un peu comme un peintre qui maîtrise bien les grandes couleurs mais qui a du mal avec les traits de pinceau très fins.

Pourquoi est-ce important ?

Avant, les historiens ne pouvaient étudier que les cartes "faciles" et uniformes (comme les atlas de villes). Grâce à ce travail, ils peuvent maintenant analyser toute la "longue traîne" des archives : des milliers de cartes uniques, rares et diverses.

C'est comme si on ouvrait les portes d'un grenier rempli de trésors oubliés. Soudain, on peut étudier l'évolution des villes, des forêts et des routes sur des siècles entiers, avec une précision jamais vue auparavant, en utilisant une seule intelligence artificielle capable de tout comprendre.

En résumé : Au lieu de construire des clés spécialisées pour chaque serrure, l'auteur a forgé un passe-partout universel capable d'ouvrir n'importe quelle porte dans l'immense château des cartes historiques.

Résumé technique

1. Problématique

Les collections de cartes historiques sont intrinsèquement hétérogènes en termes de style graphique, d'échelle et de contenu géographique. La majorité des travaux actuels en reconnaissance de cartes se concentrent sur des modèles spécialisés entraînés sur des séries de cartes homogènes (ex. : atlas urbains ou cartes topographiques spécifiques). Cette approche limite la transférabilité des modèles à d'autres contextes cartographiques et crée un goulot d'étranglement dû à la rareté des données annotées génériques.

Le défi principal est donc de développer des modèles de segmentation sémantique généralisables, capables de traiter la « longue traîne » des archives cartographiques (des milliers de documents uniques et divers) sans nécessiter un réentraînement spécifique pour chaque nouvelle collection.

2. Méthodologie

L'article propose une approche combinant un nouveau jeu de données, une synthèse de données procédurale et une architecture de réseau de neurones avancée.

A. Données : Le jeu de données Semap

Les auteurs ont créé Semap, un nouveau jeu de données de référence (benchmark) ouvert, composé de 1 439 patches de cartes manuellement annotés.

• Diversité : Il intègre des cartes de différentes échelles (du plan cadastral à la carte mondiale), de différents contextes de production et de diverses régions géographiques, basées sur la base de données ADHOC.
• Classes sémantiques : Six classes sont définies : background (arrière-plan), boundary (limites/bornes), built (bâti), non-built (terres non bâties/agricoles), water (eau) et road network (réseau routier).
• Synthèse de données procédurale : Pour pallier le manque de données réelles, les auteurs ont généré 12 122 images synthétiques à partir de données géographiques modernes (MapTiler). Ces images ont été stylisées procéduralement (application de textures, hachures, couleurs, relief, texte) pour imiter l'apparence visuelle des cartes historiques sans reproduire leurs données factuelles exactes. Les données synthétiques constituent 90,9 % de l'ensemble d'entraînement.

B. Architecture du Modèle

Le modèle choisi est Mask2Former avec un encodeur Swin-L (Swin Transformer Large).

• Choix de l'architecture : Le Swin Transformer est privilégié pour sa capacité hiérarchique à gérer des objets à multiples échelles, ce qui est crucial pour les cartes où les éléments varient considérablement en taille.
• Stratégie d'entraînement :
  • Pré-entraînement sur les données synthétiques (80 % entraînement, 20 % validation).
  • Affinement (fine-tuning) uniquement sur les données réelles de Semap.
  • Utilisation d'une fonction de perte composite (Cross-Entropy, Dice Loss, BCE) pour gérer le déséquilibre des classes.

C. Stratégie d'Inférence : Intégration Multiscale

Étant donné la grande taille des documents numérisés, l'inférence est réalisée via une approche multiscale :

1. Découpage : Les images sont divisées en patches de 768x768 pixels avec un chevauchement de 64 pixels pour éviter les effets de bord.
2. Inférence à deux échelles : Le modèle traite chaque image à sa résolution originale et à une résolution réduite (moitié).
3. Fusion : Les logits bruts des prédictions multiscales et chevauchantes sont moyennés pour attribuer la classe sémantique finale. Cette stratégie améliore la détection des grands objets et la cohérence globale.

3. Contributions Clés

1. Semap : Le premier jeu de données de référence ouvert et diversifié pour la segmentation sémantique de cartes historiques, couvrant une large variété de styles et d'échelles.
2. Synthèse de données procédurale : Une méthode robuste pour générer des données d'entraînement réalistes visuellement mais factuellement contrôlées, permettant de pré-entraîner des modèles sur des configurations géographiques variées.
3. Preuve de concept de généralisation : Démonstration qu'une approche pilotée par la diversité (diversité des données d'entraînement) est non seulement viable mais supérieure aux modèles spécialisés pour des tâches de segmentation génériques.
4. Benchmark : Évaluation comparative sur les jeux de données existants (HCMSSD-Paris et HCMSSD-World) montrant des performances de pointe (State-of-the-Art).

4. Résultats

Les résultats expérimentaux démontrent la supériorité de l'approche proposée :

• Performance Globale : Sur le jeu de test Semap, le modèle atteint un mIoU moyen (mean Intersection over Union) de 74,2 % pour les quatre classes géographiques principales.
  • Bâti : 79,8 % IoU
  • Non-bâti : 81,8 % IoU
  • Eau : 72,2 % IoU
  • Réseau routier : 62,9 % IoU (plus difficile en raison de la discontinuité des lignes).
• Comparaison avec l'État de l'Art : Sur le benchmark HCMSSD-World (données très hétérogènes), le modèle dépasse les architectures précédentes (UNet, SCGCN, HRNet) avec un gain de 31 points de pourcentage en mIoU par rapport aux meilleurs modèles UNet-ResNet.
• Robustesse et Généralisation :
  • L'analyse statistique (régression OLS) montre que la performance est stable à travers les institutions, les pays, les échelles et les années de publication (R² = 0,043), indiquant l'absence de biais systémique majeur.
  • L'ablation study confirme que l'élimination soit de la synthèse de données, soit de l'intégration multiscale, fait chuter le mIoU de 4 à 5 points.
• Limites : La détection des limites (boundary) et des lignes très fines reste un défi (IoU de 40,7 %), souvent confondue avec d'autres éléments linéaires.

5. Signification et Impact

Ce travail marque un changement de paradigme dans le traitement des cartes historiques :

• Valorisation de la « Longue Traîne » : Il permet d'exploiter massivement les archives cartographiques non structurées et diversifiées, qui représentent la majorité des collections historiques, au-delà des séries de cartes uniformes.
• Robustesse par la Diversité : Contrairement à l'intuition selon laquelle la diversité nuit à l'apprentissage supervisé, cette étude prouve que la diversité des données, couplée à une architecture adaptée (Transformers) et à la synthèse procédurale, renforce la robustesse et la transférabilité des modèles.
• Applications Potentielles : Cette méthode ouvre la voie à de nouvelles recherches en géographie historique, permettant l'analyse à grande échelle de l'évolution des territoires, de l'urbanisme et de l'environnement sur le long terme, avec une granularité temporelle et spatiale inédite.

En conclusion, l'article établit que la segmentation générique de cartes historiques est non seulement réalisable, mais qu'elle constitue la clé pour débloquer le potentiel des « big data » cartographiques.