Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

22 janvier 2019

Complex Deep Neural Networks for RADAR Applications


Catégorie : Doctorant


Laboratoire d’accueil SONDRA (CentraleSupelec) - ONERA (Palaiseau):
Responsable ONERA : Jean-Philippe Ovarlez, Christèle Morisseau et Gilles Vieillard
Email: jean-philippe.ovarlez@onera.fr, christele.morisseau@onera.fr, gilles.vieillard@onera.fr
Contact SONDRA : Chengfang Ren
Email: chengfang.ren@centralesupelec.fr
 
La grande majorité des architectures pour l'apprentissage profond est actuellement basée sur des opérations et des représentations à valeur réelle. Des travaux récents sur les réseaux de neurones [1, 2, 3, 4] suggèrent que les données complexes pourraient être caractérisées par une capacité de représentation beaucoup plus riche [5,6]. En dépit de leurs propriétés attrayantes et de leur potentiel ouverture à de nouvelles architectures neuronales, les réseaux neuronaux profonds à valeur complexe ont été marginalisés à cause de l'absence de blocs simples de construction (fonctions d'activation complexes, seuils complexes, optimization par gradient complexe, algoritmes de back-propagation complexes) nécessaires à la conception de tels modèles. Nous nous proposons dans ce travail de thèse de concevoir et d'analyser les performances de telles architectures. Le cadre dans lequel nous pouvons nous placer concerne les données radar, naturellement complexes de par leur construction (voies I et Q avec taux d'échantillonnage de Shannon réduit) ou de par la physique caractérisant de tels signaux (polarimétrie, interférométrie, etc.). Les performances de ce type de réseau de neurones profonds à base de données complexes seront évaluées à travers des applications radar variées comme :
- la détection de changement SAR mono ou multivariée,
- la segmentation/classification de scènes radar,
- la super haute résolution (extrapolation spatiale) en imagerie SAR.
 
Référence:
 
[1] N. Benven and F. Piazza, “On the Complex Back-Propagation Algorithm,” IEEE Transactions on Signal Processing, Vol. 40, pp. 967-969, 1992.
[2] T. Nitta, “An Extension of the Back-Propagation Algorithm to Complex Numbers,” Neural Networks, Vol. 10, No. 8, pp. 1391-1415, 1997.
[3] T. Nitta and Y. Kuroe, "Hyperbolic Gradient Operator and Hyperbolic Back-Propagation Learning Algorithms," IEEE Transactions on Neural Networks and Learning Systems, vol. 29, no. 5, pp. 1689-1702, May 2018.
[4] X. Zhu, Y. Xu and H. Xu and C. Chen, "Quaternion Convolutional Neural Networks," European Conference on Computer Vision, Munich, Germany, Sept. 2018
[5] Z. Zhang, H. Wang, F. Xu and Y. Jin, "Complex-Valued Convolutional Neural Network and Its Application in Polarimetric SAR Image Classification," IEEE Transactions on Geoscience and Remote Sensing, vol. 55, no. 12, pp. 7177-7188, Dec. 2017.
[6] J. Gao, B. Deng, Y. Qin, H. Wang and X. Li, "Enhanced Radar Imaging Using a Complex-Valued Convolutional Neural Network," IEEE Geoscience and Remote Sensing Letters, Sept. 2018

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.