Browsing by Author "Mr. B ENYEZZA Oussama Wail Mlle. L AHRECHE Lina"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Apprentissage supervisé pour la détection et suivi d’objets sur des vidéos capturées à partir de drones
    (2022) Mr. B ENYEZZA Oussama Wail Mlle. L AHRECHE Lina
    Les solutions de détection d’objets basées sur les algorithmes d’apprentissage profond ont attiré toute l’attention ces dernières années. L’utilisation des drones pour des applications potentielles telles que la surveillance des forêts et territoires, la gestion de l’agriculture et l’administration urbaine. La détection et suivi d’objets en mouvement est une tâche complexe pour les techniques existantes, en effet cette complexité réside dans la diversité des objets (forme, texture, couleur), variations de luminosité, le problème d’occlusions. Dans ce mémoire notre objectif est de lever les défis imposés par les techniques traditionnelles en se basant sur les approches de l’apprentissage en profondeur afin d’offrir une solution automatique en temps réel pour la détection et le suivi d’objets en mouvement sur des vidéos, capturées à partir de drones. Dans ce travail nous proposons un modèle basée sur les réseaux de neurones convolutifs et le transfert d’apprentissage afin de détecter les arbres de palmiers dans des zones forestière denses. Notre idée consiste à utiliser un transfert de connaissances en se basant sur la dernière architecture de YOLO v5. En effet nous avons modifié l’architecture du Backbone afin d’optimiser l’étape de détection et de reconnaissance des palmiers afin d’optimiser la tâche de l’extraction de caractéristiques et également de permettre à notre modèle de se focaliser sur les caractéristiques les plus pertinentes. Un jeu de donnée a été introduit manuellement afin d’évaluer les performances de notre solution. Notre modèle produit de bons résultats en termes de précision ainsi il permet d’offrir un comptage des palmiers en temps réel.