Une revue et analyse des réseaux de neurones à rétropropagation pour la classification d'images multi-spectrales à distance

Résumé Une enquête littéraire et une analyse de l'utilisation des réseaux de neurones pour la classification d'images multi-spectrales à distance sont présentées. Dans le cadre d'une brève revue mathématique, l'algorithme de rétropropagation, qui est la méthode la plus commune pour former des réseaux multicouches, est discuté avec un accent sur son application à la reconnaissance de modèles. L'analyse est divisée en cinq aspects de la classification des réseaux de neurones : (1) prétraitement des données d'entrée, structure et encodage, (2) encodage des sorties et extraction des classes, (3) architecture du réseau, (4) algorithmes d'entraînement, et (5) comparaisons avec des classificateurs conventionnels. Les avantages de la méthode des réseaux de neurones par rapport aux classificateurs traditionnels sont sa nature non paramétrique, ses capacités de frontière de décision arbitraire, sa facilité d'adaptation à différents types de données et structures d'entrée, des valeurs de sortie floues qui peuvent améliorer la classification, et une bonne généralisation pour une utilisation avec plusieurs images. Les inconvénients de la méthode sont le temps d'entraînement lent, des résultats incohérents en raison de poids initiaux aléatoires, et la nécessité de valeurs d'initialisation obscures (par exemple, le taux d'apprentissage et la taille de la couche cachée). Des techniques possibles pour améliorer ces problèmes sont discutées. Il est conclu que, bien que la méthode des réseaux de neurones ait plusieurs capacités uniques, elle ne deviendra un outil utile en télédétection que si elle est rendue plus rapide, plus prévisible et plus facile à utiliser.