Initiation aux réseaux de neurones convolutifs : Application à la détection ele d’objet
| dc.contributor.author | HAFIDI SIF EDDINE - RAHABI HAITHEM | |
| dc.date.accessioned | 2024-10-06T08:20:42Z | |
| dc.date.available | 2024-10-06T08:20:42Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | La détection d’objet est une sous discipline de la vision par ordinateur. Elle est basée aujourd’hui sur l’apprentissage automatique. Le long de la décennie précédente il y’a eu une prédominance des réseaux de neurones profonds qui ont tiré profit de l’avancée de la puissance de calcul et la disponibilité des bases de données. Un cas particulier des réseaux de neurones sont les réseaux de neurones convolutifs (CNN). Ces derniers se sont montrés particulièrement efficace dans le domaine de l’imagerie. Le réseau est entrainé pour rechercher les coins, les arrêtes et les nuances de couleurs relatifs à des structures complexes. Dans le cas de la détection d’objet le système estime les régions susceptibles de contenir des objets et les étiquette. Dans ce mémoire de master nous avons fait une étude bibligraphique sur les CNN et avons conçu un réseau de neurone fonctionnel profond que nous avons utilisé avec une base de donnée. Les résultats sont comparés avec ceux d’un réseau pré-entrainé. | |
| dc.identifier.uri | http://dspace.univ-khenchela.dz:4000/handle/123456789/7097 | |
| dc.language.iso | fr | |
| dc.title | Initiation aux réseaux de neurones convolutifs : Application à la détection ele d’objet | |
| dc.type | Thesis |