Master Thesis Online
Ship detection using SAR imagery and machine learning techniques
Remacle, Delphine 
Promoteur(s) :
Van Messem, Arnout
;
Kirkove, Murielle
;
Barth, Alexander
Date de soutenance : 6-sep-2023 • URL permanente : http://hdl.handle.net/2268.2/18468
Memoire Remacle Delphine.pdfDétails
| Titre : | Ship detection using SAR imagery and machine learning techniques |
| Titre traduit : | [fr] Détection de bateaux à l'aide d'images SAR et de techniques d'apprentissage automatique |
| Auteur : | Remacle, Delphine
|
| Date de soutenance : | 6-sep-2023 |
| Promoteur(s) : | Van Messem, Arnout
Kirkove, Murielle
Barth, Alexander
|
| Membre(s) du jury : | Haesbroeck, Gentiane
Rigo, Michel
Schneiders, Jean-Pierre
Geurts, Pierre
|
| Langue : | Anglais |
| Nombre de pages : | 140 |
| Mots-clés : | [en] machine learning [en] computer vision [en] deep learning [en] ship detection [en] SAR imagery |
| Discipline(s) : | Physique, chimie, mathématiques & sciences de la terre > Mathématiques |
| Institution(s) : | Université de Liège, Liège, Belgique |
| Diplôme : | Master en sciences mathématiques, à finalité approfondie |
| Faculté : | Mémoires de la Faculté des Sciences |
Résumé
[en] This master's thesis is part of a project carried out by several students, which goal is to find a suitable program of ship detection from Synthetic-Aperture Radar (SAR) imagery by using machine learning techniques. Here, we have tested the following deep learning techniques: YOLO versions 3 and 4, and Mask R-CNN.
Citer ce mémoire
Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.