Classification d'objets enfouis par un modèle du second d'ordre en utilisant des données GPR
Résumé
Dans ce papier, nous considérons un problème de classification multi-classes des signaux de radar à pénétration de sol (GPR pour Ground Penetrating Radar). Ce type de système permet de fournir une image du sous-sol et en particulier des objets enfouis. A cause du mouvement du RADAR, la réponse des objets est hyperbolique. Nous proposons donc d'effectuer cette classification à partir d'imagettes de ces hyperboles. Pour ce faire, le modèle proposé utilise des matrices de covariances calculées en sortie de filtre d'un réseau peu profond. L'estimation est effectuée avec un pipeline comprenant une étape de backpropagation et des couches convolutives adaptées aux matrices de covariances sont ensuite ajoutées. Ces dernières permettent d'effectuer une réduction de dimension avant d'effectuer la classification en fin de réseau. Différentes couches basées sur des concepts de géométrie riemannienne gèrent les spécificités des matrices de covariances dans la classification. L'approche proposée permet alors d'effectuer une classification automatique des objets enfouis avec les données étiquetées disponibles. Nous testons notre approche sur un jeu de données réelles fourni par la société Géolithe.
Origine | Fichiers produits par l'(les) auteur(s) |
---|