101. Réseaux de Neurones Convolutifs pour la Caractérisation d’Anomalies Magnétiques
- Author
-
Cárdenas Chapellín, Julio José, Denis, Christophe, Mousannif, Hajar, Camerlynck, Christian, Florsch, Nicolas, Unité de modélisation mathématique et informatique des systèmes complexes [Bondy] (UMMISCO), Institut de Recherche pour le Développement (IRD [France-Nord])-Institut de la francophonie pour l'informatique-Université Cheikh Anta Diop [Dakar, Sénégal] (UCAD)-Université Gaston Bergé (Saint-Louis, Sénégal)-Université Cadi Ayyad [Marrakech] (UCA)-Université de Yaoundé I-Sorbonne Université (SU), Agents Cognitifs et Apprentissage Symbolique Automatique (ACASA), LIP6, Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Université Cadi Ayyad [Marrakech] (UCA), Milieux Environnementaux, Transferts et Interactions dans les hydrosystèmes et les Sols (METIS), École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS), Sorbonne Université (SU)-Universtié Yaoundé 1 [Cameroun]-Université Cadi Ayyad [Marrakech] (UCA)-Université Gaston Bergé (Saint-Louis, Sénégal)-Université Cheikh Anta Diop [Dakar, Sénégal] (UCAD)-Institut de la francophonie pour l'informatique-Institut de Recherche pour le Développement (IRD [France-Nord]), Université de Yaoundé I-Institut de la francophonie pour l'informatique-Université Cheikh Anta Diop [Dakar, Sénégal] (UCAD)-Université Gaston Bergé (Saint-Louis, Sénégal)-Université Cadi Ayyad [Marrakech] (UCA)-Sorbonne Université (SU)-Institut de Recherche pour le Développement (IRD [France-Nord]), École Pratique des Hautes Études (EPHE), and Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Institut national des sciences de l'Univers (INSU - CNRS)-Sorbonne Université (SU)-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Apprentissage profond ,méthodes magnétiques ,geophysics ,géophysique ,réseaux de neurones convolutifs ,méthodes magnétiques Deep learning ,[SDE]Environmental Sciences ,convolutional neural networks ,Deep learning ,magnetic methods ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] - Abstract
https://hal-emse.ccsd.cnrs.fr/emse-03278442/file/actes_CNIA_CH_PFIA2021.pdf; National audience; 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.
- Published
- 2021