Smart TCscan - Évaluation intelligente, à grand rendement et non destructive des défauts de collage dans les chaussées | FEREC 2020

Smart TCscan Lauréat de l’appel à projets 2020 25/29 Figure 25 : Interface de relecture des fichiers simulés et expérimentaux 7.4. Interfaçage des méthodes de Machine Learning et Deep Learning Une fois les données précédemment agrégées et labellisées dans une base de données *.csv, la dernière partie de l’IHM permet l’entrainement et le test de cette base suivant différentes méthodes : • Classification à l’aide des méthodes SVM (one-class, two-class et multi-class) et réseaux de neurones artificiels (ANN), • Régression (SVR) et réseaux de neurones artificiels (ANN). Figure 26 : a) Choix de la méthode d’apprentissage ; b) Choix des paramètres en fonction de la méthode choisie