A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Smail Sid Ali |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesDétection d’objets avec Deep Learning / Said Sahraoui (2020)
Titre : Détection d’objets avec Deep Learning Type de document : theses et memoires Auteurs : Said Sahraoui ; Smail Sid Ali ; Ouiza Boukendour, Directeur de thèse Editeur : Tizi.Ouzou : U.M.M.T.O Année de publication : 2020 Importance : 77 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Détection d’objets Réseaux de neurones convolutifs (CNN) Deep learning (Apprentissage profond) YOLO. Résumé : Les méthodes d'apprentissage profond, en particulier les réseaux de neurones convolutifs (CNN), ont remporté un grand succès dans le domaine de la vision par ordinateur dont la détection d’objets est l’une de ses principales applications, plusieurs algorithmes ont été proposés afin d’améliorer la vitesse et la précision de la détection en particulier dans la
surveillance en temps réel. A travers notre projet, on a appliqué un nouvel algorithme de détection d’objets YOLOv4 basé sur le Deep Learning qui a donné des résultats satisfaisants et approuvé dans le côté pratique.En ligne : D:\CD THESES 2020\RETARDATAIRES\SAHRAOUI SAID; SMAIL SID ALI.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36017 Détection d’objets avec Deep Learning [theses et memoires] / Said Sahraoui ; Smail Sid Ali ; Ouiza Boukendour, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 77 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Détection d’objets Réseaux de neurones convolutifs (CNN) Deep learning (Apprentissage profond) YOLO. Résumé : Les méthodes d'apprentissage profond, en particulier les réseaux de neurones convolutifs (CNN), ont remporté un grand succès dans le domaine de la vision par ordinateur dont la détection d’objets est l’une de ses principales applications, plusieurs algorithmes ont été proposés afin d’améliorer la vitesse et la précision de la détection en particulier dans la
surveillance en temps réel. A travers notre projet, on a appliqué un nouvel algorithme de détection d’objets YOLOv4 basé sur le Deep Learning qui a donné des résultats satisfaisants et approuvé dans le côté pratique.En ligne : D:\CD THESES 2020\RETARDATAIRES\SAHRAOUI SAID; SMAIL SID ALI.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36017 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.118-20/1 MAST.AUTO.118-20 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Les abonnés qui ont emprunté ce document ont également emprunté :
Classification des grains de pollen à base des réseaux de neurones convolutifs Ahmed Saadi, Dihia Segmentation d’images avec le deep learning Larbi, Nacerdine Deep learning pour la classification des images IRM cérébrales Ramdani, Malek Aucun avis, veuillez vous identifier pour ajouter le vôtre !
