|
| Titre : | Étude et réalisation d’un système de détection d’ordures et déchets en temps réel à l’aide des réseaux de neurones convolutifs | | Type de document : | theses et memoires | | Auteurs : | Abdelhakim Sehad ; Kacimi Ghilas ; Ouiza Boukendour, Directeur de thèse | | Editeur : | Tizi.Ouzou : U.M.M.T.O | | Année de publication : | 2020 | | Importance : | 88 p. | | Présentation : | ill. | | Format : | 30 cm. | | Note générale : | Bibliogr. | | Langues : | Français | | Mots-clés : | Vision par ordinateur Vision artificielle Détection d'objets Apprentissage profond Réseaux de neurones Intelligence artificielle | | Résumé : | Ces dernières années, le Deep Learning et le Machine Learning ont connu un développement accélère lie a l'accroissement des technologies informatiques. Les réseaux de neurones convolutifs (CNNs) ont montre des performances impressionnantes dans le domaine de la détection d'objets. Dans cette thèse, nous avons construit un système de détection de bout en bout pour la détection et la localisation de déchets en temps réel, dans le but d'améliorer et de
renforcer la collecte de déchets en utilisant le Deep Learning. Pour ce faire, un algorithme a base de CNN a été forme et entra?ne pour reconnaitre nos objets dintérêts.
Le modèle de détection est exécute sur un kit de développement compact et mobile. Ce dernier est associe à une webcam et un module GPS pour pouvoir récupérer les coordonnées géographiques des déchets. Une application mobile a été conçue pour récupérer les positions GPS et les cartographier. L'évaluation du système démontre une certaine efficacité à déceler les objets dintérêts de son environnement | | En ligne : | D:\CD THESES 2020\RETARDATAIRES\SEHAD ABDELHAKIM; KACIMI GHILAS.PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=36084 |
Étude et réalisation d’un système de détection d’ordures et déchets en temps réel à l’aide des réseaux de neurones convolutifs [theses et memoires] / Abdelhakim Sehad ; Kacimi Ghilas ; Ouiza Boukendour, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 88 p. : ill. ; 30 cm. Bibliogr. Langues : Français | Mots-clés : | Vision par ordinateur Vision artificielle Détection d'objets Apprentissage profond Réseaux de neurones Intelligence artificielle | | Résumé : | Ces dernières années, le Deep Learning et le Machine Learning ont connu un développement accélère lie a l'accroissement des technologies informatiques. Les réseaux de neurones convolutifs (CNNs) ont montre des performances impressionnantes dans le domaine de la détection d'objets. Dans cette thèse, nous avons construit un système de détection de bout en bout pour la détection et la localisation de déchets en temps réel, dans le but d'améliorer et de
renforcer la collecte de déchets en utilisant le Deep Learning. Pour ce faire, un algorithme a base de CNN a été forme et entra?ne pour reconnaitre nos objets dintérêts.
Le modèle de détection est exécute sur un kit de développement compact et mobile. Ce dernier est associe à une webcam et un module GPS pour pouvoir récupérer les coordonnées géographiques des déchets. Une application mobile a été conçue pour récupérer les positions GPS et les cartographier. L'évaluation du système démontre une certaine efficacité à déceler les objets dintérêts de son environnement | | En ligne : | D:\CD THESES 2020\RETARDATAIRES\SEHAD ABDELHAKIM; KACIMI GHILAS.PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=36084 |
|
Étude et réalisation d’un système de détection d’ordures et déchets en temps réel à l’aide des réseaux de neurones convolutifs (2020) 
