SAR Anomalies Detection based on Deep Learning
Détection d'anomalies en SAR basée sur les réseaux génératifs
Abstract
This paper proposes an anomaly detection method for SAR imagery based on deep learning. It does not require ground truth of anomalies, which addresses a recurrent problem in remote sensing: the lack of labeled data to train neural networks. The proposed model combines an adversarial autoencoder followed by a statistical change detector based on the covariance matrix. A despeckling step is first performed, which allows to filter the speckle noise and to significantly improve the detection performances.
-Ce papier propose une méthode de détection d'anomalies pour l'imagerie SAR basée sur l'apprentissage profond. Elle ne nécessite pas de vérité terrain des anomalies, ce qui répond à un problème récurrent en télédétection : le manque de données annotées pour entraîner les réseaux de neurones. Le modèle proposé combine un adversarial autoencoder suivi d'un détecteur statistique de changement basé sur la matrice de covariance. Une étape de despeckling est préalablement effectuée, ce qui permet de filtrer le bruit de speckle et d'améliorer significativement les performances de détection.
Origin : Files produced by the author(s)