Skip to Main content Skip to Navigation
Conference papers

Deep Learning pour le traitement des Images Radar

Pierre Lepetit 1 Laurent Barthès 1 Camille Ly 1 Cécile Mallet 1 Nicolas Viltard 1 Yvon Lemaître 1 Valérie Vogt 2
1 SPACE - LATMOS
LATMOS - Laboratoire Atmosphères, Milieux, Observations Spatiales
Résumé : La donnée radar est essentielle pour localiser les précipitations et en mesurer l’intensité. Au début de la chaîne de traitement, ces données contiennent en mélange des échos de précipitations et des signaux parasites comme les échos de sol et les échos de ciel clair. Ces signaux parasites biaisent l’évaluation des cumuls de précipitations et compliquent l’interprétation de l’image radar. Il est donc important de pouvoir les détecter (tâche de « segmentation sémantique ») et les soustraire (« restauration »). Nous avons abordé ces problèmes de segmentation et de restauration d’image par Deep Learning. La méthode d’apprentissage développée est simple et objective : les données n’ont pas besoin d’être labellisées « à la main ». Dans un premier temps, la méthode sera décrite et située par rapport à un état de l’art en pleine évolution. Les premiers résultats, relatifs au radar météorologique de Trappes, seront présentés. La chaîne de traitement implique aussi une conversion de la réflectivité en taux de précipitations. Nous terminerons
Complete list of metadatas

https://hal-insu.archives-ouvertes.fr/insu-02359480
Contributor : Catherine Cardon <>
Submitted on : Tuesday, November 12, 2019 - 1:53:14 PM
Last modification on : Friday, January 10, 2020 - 3:42:35 PM

Identifiers

  • HAL Id : insu-02359480, version 1

Citation

Pierre Lepetit, Laurent Barthès, Camille Ly, Cécile Mallet, Nicolas Viltard, et al.. Deep Learning pour le traitement des Images Radar. Journées R & D - Intelligence Artificielle - Centre international de Conférences de Météo France, Jun 2019, Toulouse, France. ⟨insu-02359480⟩

Share

Metrics

Record views

57

Files downloads

21