Application of Projection Learning to the Detection of Urban Areas in SPOT Satellite Images

We introduce a novel learning algorithm for neural networks, with the major feature of being rapid when compared to classical learning algorithms, ooering misclassiication rates of 5% and less after only a few iterations, i.e. 20-30 seconds of learning, depending on the task, if a suitable preprocessing has been done. The algorithm is based on considering a neural network as a base in function space, base onto which the function to be learned is projected. We thus call our algorithm projection learning. We present the algorithm, show the application to the detection of inhabited areas in satellite images, discuss the various preprocessors used, compare to other approaches used, and outline further directions of research Application de l'apprentissage par projection a la d etection de zones urbaines dans les images satellite SPOT R esum e : Nous introduisons un nouvel algorithme d'apprentissage pour r eseaux de neurones, dont la caract eristique principale est d'^ etre rapide en comparaison des al-gorithmes classiques d'apprentissage, avec des taux d'erreur de 5% et moins apr es quelques it erations d'apprentissage, d'une dur ee de 20-30 secondes, en supposant un pr etraitement convenable. Nous consid erons un r eseau neuromim etique comme une base non-orthogonale dans un espace de fonctions, base sur laquelle la fonction a apprendre est projet ee. C'est pourquoi nous appelons notre algorithme Apprentissage par Projection. Nous pr esen-tons l'algorithme, montrons l'application a la d etection de zones urbaines dans des images satellite, discutons les pr etraitements utilis es, comparons a d'autres approches, et indiquons les axes futurs de recherche. Mots-cl e : Apprentissage dans la vision par ordinateur, segmentation et groupe-ment perceptuel, r eseaux de neurones, analyse de texture, classiication bas ee pixel, traitement bas niveau, r eseaux a propagation directe, analyse d'images satellite