Réseaux de Neurones Convolutifs pour la Caractérisation d’Anomalies Magnétiques - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Réseaux de Neurones Convolutifs pour la Caractérisation d’Anomalies Magnétiques

Résumé

This contribution introduces the use of convolutional neural networks for the characterization of magnetic anomalies. The developed approach allows one the localization of magnetic dipoles, including counting the number of dipoles, their geographical position, and the prediction of their parameters (magnetic moment, depth, and declination). Subsequently, it will be tested on real data, for example, in the framework of pyrotechnic detection for unexploded ordnance prospection. Finally, an application to other geophysical methods will be considered.
Cette contribution présente l’utilisation des réseaux de neurones convolutifs pour la détection d’anomalies magnétiques. L’approche développée permet la localisation de dipôles magnétiques, avec le comptage du nombre de dipôles, leur position géographique et la prédiction de leurs paramètres (moment magnétique, profondeur et déclinaison). Elle sera ensuite testée sur des données réelles, dans le cadre par exemple, d’une détection pyrotechnique pour la prospection de munitions non explosées, avant d’envisager une application vers d’autres méthodes géophysiques.
Fichier principal
Vignette du fichier
actes_CNIA_CH_PFIA2021 - cardenas.pdf (2.22 Mo) Télécharger le fichier
Origine : Accord explicite pour ce dépôt

Dates et versions

hal-03321334 , version 1 (17-08-2021)

Identifiants

  • HAL Id : hal-03321334 , version 1

Citer

Julio José Cárdenas Chapellín, Christophe Denis, Hajar Mousannif, Christian Camerlynck, Nicolas Florsch. Réseaux de Neurones Convolutifs pour la Caractérisation d’Anomalies Magnétiques. CNIA 2021 : Conférence Nationale en Intelligence Artificielle, Jun 2021, Bordeaux (en ligne), France. pp.84-90. ⟨hal-03321334⟩
229 Consultations
178 Téléchargements

Partager

Gmail Facebook X LinkedIn More