Détection augmentée et pistage en trois dimensions de sources acoustiques par réseaux de neurones profonds, interprétabilité et robustesse
Auteur / Autrice : | Antonio Soggia |
Direction : | Lionel Fillatre |
Type : | Projet de thèse |
Discipline(s) : | Automatique traitement du signal et des images |
Date : | Inscription en doctorat le 02/11/2022 |
Etablissement(s) : | Université Côte d'Azur |
Ecole(s) doctorale(s) : | École doctorale Sciences et technologies de l'information et de la communication |
Partenaire(s) de recherche : | Laboratoire : I3S - Informatique, Signaux et Systèmes de Sophia-Antipolis |
Mots clés
Mots clés libres
Résumé
Dans les systèmes de sonar passif large bandes actuel, un opérateur humain veille une image 2D représentant les différents niveaux d'énergie dans les dimensions gisement et temps. Le contraste de l'image et sa profondeur temporelle lui permet de détecter et d'identifier les chemins empruntés (pistage) par les différentes sources en présence. L'objectif de la thèse est d'expérimenter des méthodes à base de réseaux de neurones pour détecter et pister des sources de bruits faibles par rapport au bruit ambiant parmi un nombre plus ou moins important de source fortes évoluant dans un volume 3D en site-gisement temps. Les données seront générées par un simulateur codé dans le cadre de la thèse. Un objectif secondaire est la préservation des capacités de détection d'un opérateur humain par présentation d'une image 2D à rapport signal sur bruit augmenté, par rapport à celui présent dans le volume 3D, en exploitant la profondeur temporelle des données. Un troisième objectif de ce projet de thèse consiste à développer des algorithmes avec une architecture profonde fiable et explicable. En effet, les réseaux de neurones profonds proposent des performances en classification extrêmement prometteuses mais ils sont considérés, à raison, comme des boîtes noires.