DEGRE - Détection et géoréférencement des réseaux enterrés | FEREC 2020

4.1. Détection 24 Figure 4.3 – Site d’essai à l’université Gustave Eiffel à Nantes, avec des profils mis en évidence. B-scans comprenant 116 hyperboles ont été regroupés en 67 B-scans pour l’entraînement et 17 B-scans pour l’ensemble de données de validation. Alors que la zone de test avait 99 B-scans avec 149 hyperboles. Vrai Positifs Faux Négatifs Faux Positifs Précision Rappel Scénario 1 140 11 19 88 % 92 , 7 % Scénario 2 131 20 12 91 , 6 % 86 , 7 % Table 4.2 – Précision et rappel selon les différents scénario sur des données réelles. Les résultats obtenus dans le cadre des deux scénarios sont présentés dans le tableau 4.2. Les résultats indiquent que la précision du modèle est plus élevée avec le scénario 2, tandis que le rappel est meilleur dans le cas du scénario 1. Dans les deux cas la précision et le rappel sont supérieurs à 85 %. Ces résultats sont en accord avec ceux observés sur la base de données numériques. Alors que certaines fausses alarmes sont observées dans le cas du scénario 1, elles sont évitées dans le scénario 2. Bien que le nombre de vrais positifs soit plus élevé, il y a eu peu de cas où les fausses alarmes ont été détectées dans les deux approches. De plus, le scénario 2 ne détecte pas un réseau enterré ce qui augmente le taux de faux négatifs et le risque de détérioration du réseau. Figure 4.4 – B-scan réel avec le scénario d’annotation 1. Cerema/ENDSUM