DEGRE - Détection et géoréférencement des réseaux enterrés | FEREC 2020

2.4. Estimation du diamètre et de la profondeur des réseaux enterrés 16 Faux positifs le nombre de fois où le modèle prédit la classe positive alors que le résultat attendu était la classe négative c’est-à-dire qu’un objet est détecté alors qu’il n’est pas présent en réalité ; Faux négatifs le nombre de fois où le modèle prédit la classe négative alors que le résultat attendu était la classe positive c’est-à-dire que le modèle ne détecte pas d’objet alors qu’il y en a un présent dans la réalité. À partir de ces statistiques, deux indicateurs sont généralement calculés : la précision et le rappel. Précision proportion des items pertinents parmi l’ensemble des items proposés, c’est une indication de l’exactitude des prédictions par un pourcentage de détections correctes ; Précision = Vrais positifs Vrais positifs + Faux positifs Rappel proportion des items pertinents proposés parmi l’ensemble des items pertinents, c’est une indication de l’exhaustivité et donne la capacité du modèle à prédire l’ensemble des résultats attendus. Rappel = Vrais positifs Vrais positifs + Faux négatifs Dans la réalité, il est extrêmement peu probable que les coordonnées (x, y) de notre boîte englobante prédite correspondent exactement aux coordonnées (x, y) de la boîte englobante de référence (la réalité). Il devient alors difficile de dire quand une prédiction est vraie ou fausse. Pour cette raison, nous devons définir un seuil d’acceptabilité concernant le chevauchement entre les cadres de délimitation prédits et les boîtes englobantes représentant la vérité terrain. Pour cela, le recouvrement qui existe entre le résultat prédit et le résultat attendu est calculé et est appelé Intersection Over Union (IoU). L’IoU est donné comme le rapport entre la zone d’intersection entre la boîte englobante proposée et la boîte englobante de référence et la zone d’union des deux (Fig. 2.9. L’IoU varie de 0,0 à 1,0. La valeur est zéro lorsqu’il n’y a pas d’intersection et IoU est de 1,0 si les deux boîtes englobantes se chevauchent entièrement. Si une boite englobante proposée qui a un chevauchement IoU au-delà d’un seuil déterminé avec n’importe quelle boîte englobante de référence reçoit une étiquette d’objet positive. Un score d’objet négatif est attribué à une boite englobante non positive lorsque le chevauchement IoU est inférieur à un seuil. Ce score signifie que la boite englobante est classée comme arrière-plan. Figure 2.9 – Le calcul de l’intersection sur Union consiste à diviser la zone de che- vauchement entre les boîtes englobantes par la zone d’union ( https://pyimagesearch. com/2016/11/07/intersection-over-union-iou-for-object-detection/ ) . 2.4 Estimation du diamètre et de la profondeur des réseaux enterrés En plus de la large gamme d’applications GPR répertoriées dans Pajewski et al. (2013) , l’estimation de la profondeur et du rayon des objets cylindriques enfouis est devenue une tâche importante, par Cerema/ENDSUM