Détection d'anomalies en SAR basée sur les réseaux génératifs - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Détection d'anomalies en SAR basée sur les réseaux génératifs

Résumé

Ce papier propose une méthode de détection d'anomalies pour l'imagerie SAR basée sur l'apprentissage profond. Elle ne nécessite pas de vérité terrain des anomalies, ce qui répond à un problème récurrent en télédétection : le manque de données annotées pour entraîner les réseaux de neurones. Le modèle proposé combine un adversarial autoencoder suivi d'un détecteur statistique de changement basé sur la matrice de covariance. Une étape de despeckling est préalablement effectuée, ce qui permet de filtrer le bruit de speckle et d'améliorer significativement les performances de détection.
Fichier principal
Vignette du fichier
DEMR22024.pdf (3.58 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03830331 , version 1 (26-10-2022)

Identifiants

  • HAL Id : hal-03830331 , version 1

Citer

Max Muzeau, Chengfang Ren, Sébastien Angelliaume, Mihai Datcu, Jean-Philippe Ovarlez. Détection d'anomalies en SAR basée sur les réseaux génératifs. GRETSI 2022, Sep 2022, Nancy, France. ⟨hal-03830331⟩
34 Consultations
9 Téléchargements

Partager

Gmail Facebook X LinkedIn More