Un réseau hybride CNN-LSTM pour la classification de navires à partir d'une base frugale des images SAR - ENSTA Bretagne - École nationale supérieure de techniques avancées Bretagne Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Un réseau hybride CNN-LSTM pour la classification de navires à partir d'une base frugale des images SAR

Résumé

This work proposes a classification architecture based on deep learning techniques and in particular convolutional and recurrent neural networks for the ships classification based on SAR images. More specifically, the objective is to classify ships using supervised learning from a database of previously labeled SAR images. It turns out that one of the main obstacles to the use of deep learning is the need to have a very large amount of annotated data which is not always available. Therefore, the objective of this study is to propose a specific hybrid architecture, CNN-LSTM (Convolutional Neural Networks - Long Short- Term Memory), allowing one to exploit frugal (few) and relatively unbalanced data sets. In order to understand the interest of this type of method, we propose to compare it to deep learning algorithms frequently described in the literature.
Ce travail propose une architecture de classification issue des techniques de l'apprentissage profond et en particulier des réseaux neuronaux convolutifs et récurrents pour la classification de navires dans des images SAR. Plus particulièrement, il s'agit de classifier des navires par apprentissage supervisé à partir d'une base d'images SAR préalablement étiquetées. Il s'avère que l'un des principaux obstacles à l'utilisation de l'apprentissage profond est la nécessité d'avoir un très grand nombre de données annotées qui ne sont pas toujours disponibles. L'objectif de cette étude est donc de proposer une architecture hybride spécifique : CNN-LSTM (Convolutional Neural Networks-Long Short-Term Memory) permettant d'exploiter des ensembles de données frugales (peu nombreuses) et relativement déséquilibrés. Afin de comprendre l'intérêt de ce type de méthode, nous proposons de la comparer à des algorithmes d'apprentissage profond fréquemment décrits dans la littérature.
Fichier principal
Vignette du fichier
cexus1318.pdf (802.5 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04320593 , version 1 (04-12-2023)

Identifiants

  • HAL Id : hal-04320593 , version 1

Citer

Abdelmalek Toumi, Jean-Christophe Cexus, Mahdi Abid, Ali Khenchaf. Un réseau hybride CNN-LSTM pour la classification de navires à partir d'une base frugale des images SAR. GRETSI - Groupe de Recherche en Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04320593⟩
36 Consultations
16 Téléchargements

Partager

Gmail Facebook X LinkedIn More