|
| Titre : | Détection d’objets en utilisant les réseaux de neurones convolutifs | | Type de document : | theses et memoires | | Auteurs : | Sarah Kadir, Auteur ; Ania Moudoud, Auteur ; Farida Dorbane, Directeur de thèse | | Editeur : | TIZI-OUZOU : FGEI.UMMTO | | Année de publication : | 2023 | | Importance : | 103 p. | | Présentation : | ill. | | Format : | 30 cm. | | Note générale : | Bibliogr. | | Langues : | Français | | Mots-clés : | Réseaux de neurones artificiels (RNA) Réseaux de neurones convolutifs (CNN) Détection d’objets Localisation, Classification YOLO (You Only Look Once) Variantes de YOLO YOLOv4 Implémentation Bases de données Apprentissage Test Précision Vitesse Temps réel Python Google Colab Analyse des résultats. | | Résumé : | Aujourd'hui, grâce aux avancées technologiques, l'apprentissage profond est devenu un outil essentiel dans divers domaines, notamment la vision par ordinateur. La détection d'objets, une application majeure de ce domaine, a été transformée grâce aux réseaux de neurones convolutifs (CNN). Ces réseaux permettent de détecter et de localiser des objets dans des images ou des vidéos de manière précise et rapide. Dans ce travail, nous nous sommes concentrés sur l'algorithme YOLO (You Only Look Once), particulièrement la version YOLOv4, qui est reconnue pour sa performance en temps réel. Nous avons implémenté et ré-entrainé le modèle YOLOv4 sur 4 différentes bases de données afin d’évaluer son efficacité. Les résultats obtenus montrent que YOLOv4 est un modèle puissant, capable de détecter des objets avec rapidité et précision, et qui se distingue par sa supériorité par rapport à d'autres modèles existants en termes de détection en temps réel | | Diplôme : | Master | | Permalink : | ./index.php?lvl=notice_display&id=37751 |
Détection d’objets en utilisant les réseaux de neurones convolutifs [theses et memoires] / Sarah Kadir, Auteur ; Ania Moudoud, Auteur ; Farida Dorbane, Directeur de thèse . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2023 . - 103 p. : ill. ; 30 cm. Bibliogr. Langues : Français | Mots-clés : | Réseaux de neurones artificiels (RNA) Réseaux de neurones convolutifs (CNN) Détection d’objets Localisation, Classification YOLO (You Only Look Once) Variantes de YOLO YOLOv4 Implémentation Bases de données Apprentissage Test Précision Vitesse Temps réel Python Google Colab Analyse des résultats. | | Résumé : | Aujourd'hui, grâce aux avancées technologiques, l'apprentissage profond est devenu un outil essentiel dans divers domaines, notamment la vision par ordinateur. La détection d'objets, une application majeure de ce domaine, a été transformée grâce aux réseaux de neurones convolutifs (CNN). Ces réseaux permettent de détecter et de localiser des objets dans des images ou des vidéos de manière précise et rapide. Dans ce travail, nous nous sommes concentrés sur l'algorithme YOLO (You Only Look Once), particulièrement la version YOLOv4, qui est reconnue pour sa performance en temps réel. Nous avons implémenté et ré-entrainé le modèle YOLOv4 sur 4 différentes bases de données afin d’évaluer son efficacité. Les résultats obtenus montrent que YOLOv4 est un modèle puissant, capable de détecter des objets avec rapidité et précision, et qui se distingue par sa supériorité par rapport à d'autres modèles existants en termes de détection en temps réel | | Diplôme : | Master | | Permalink : | ./index.php?lvl=notice_display&id=37751 |
|
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesDétection d’objets en utilisant les réseaux de neurones convolutifs / Sarah Kadir (2023)
