Classification d'objets à partir de leurs signatures électromagnétiques en utilisant les réseaux neuronaux convolutifs

Description

Ce travail aborde le problème de la classification d'objets à partir de leurs signatures électromagnétiques en utilisant des réseaux de neurones convolutifs (ou CNN pour Convolutional Neural Network). La classification porte à la fois sur la forme, le matériau et l'orientation spatiale de l'objet dans un repère défini par la position des antennes du système de mesure. Pour effectuer la classification, nous utilisons les CNNs associés à une méthode de décomposition en singularités (ou SEM pour Singularity Expansion Method) du champ diffracté . Cela permmet : i) de réduire la taille de la base données, ii) d'améliorer fortement la précision du classifieur en présence de bruit et lors de la généralisation à différentes tailles d'objets, iii) de déterminer l'orientation spatiale de l'objet grâce aux résidus associés à ses pôles de résonance. Pour valider cette approche, nous comparons les performances du classifieur avec et sans pré-traitement SEM du champ diffracté et pour différents niveaux de bruit.

Abstract

National audience

Additional details