A partir de cette page vous pouvez :
author
| Retourner au premier écran avec les étagères virtuelles... |
Détail de l'auteur
Auteur Farida Dorbane |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Faire une suggestion Affiner la recherche Interroger des sources externesApplication des équations aux dérivées partielles en traitement d’image / Souad Toucherift (2011)
Titre : Application des équations aux dérivées partielles en traitement d’image Type de document : theses et memoires Auteurs : Souad Toucherift, Auteur ; Aouimeur Kahina, Auteur ; Farida Dorbane, Directeur de thèse Editeur : Tizi Ouzou : UMMTO.FGEI Année de publication : 2011 Importance : 31 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Les EDPS Anistrope regularisé Anistrope Résumé : Les méthodes de traitement d'images fondées sur les(EDP) bénéficient d'une
attention particulière de la part de la communauté scientifique. Le nombre d'applications a
considérablement augmenté aprés la formulation du problème sous forme d'ensembles de
niveaux.
Les EDPs s'appliquent dans de nombreux domaines tels, les contours actifs utilisés
pour la segmentation des images statiques , aussi bien que des séquences d'images (suivi
d'objets), ainsi pour le filtrage d’image( diffusion isotrope et anisotrope).
Dans notre travail on s’intéresse au filtrage d’image, parmer les méthodes utilisées
pour résoudre ce problème, on trouve les EDPs basé sur la diffusion isotrope et anisotrope.
Chaque méthode a ces avantages et ces inconvénient tel que, la diffusion isotrope élimine
le bruits ,engendre une disparition des contourset rend l’image de plus en plus floue,la
diffusion anisotrope s’agit d’un lissage conditionnel, dont le comportementest fonction de
la norme du gradient de l’image, grâce à la fonction c(.). Le principe est de diffuser
fortementdans les zones à faibles gradients (zones homogènes),et faiblement dans les zones
à forts gradients (contours).La méthode de diffusion anisotrope possède plusieurs
inconvénients dont le premier est son inefficacité dans les zones où le bruit présente de
fortes discontinuités.Une solution pour résoudre le problème est de travailler avec une
version régularisée de l'équation impliquant le gradient.
Nous espérons que ce travail sera d’un apport considérable pour les promotions Ã
venir, ce qui enrichira la documentationEn ligne : https://dl.ummto.dz/bitstream/handle/ummto/7422/ToucheriftSouad.pdf?sequence=1&i [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25089 Application des équations aux dérivées partielles en traitement d’image [theses et memoires] / Souad Toucherift, Auteur ; Aouimeur Kahina, Auteur ; Farida Dorbane, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2011 . - 31 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Les EDPS Anistrope regularisé Anistrope Résumé : Les méthodes de traitement d'images fondées sur les(EDP) bénéficient d'une
attention particulière de la part de la communauté scientifique. Le nombre d'applications a
considérablement augmenté aprés la formulation du problème sous forme d'ensembles de
niveaux.
Les EDPs s'appliquent dans de nombreux domaines tels, les contours actifs utilisés
pour la segmentation des images statiques , aussi bien que des séquences d'images (suivi
d'objets), ainsi pour le filtrage d’image( diffusion isotrope et anisotrope).
Dans notre travail on s’intéresse au filtrage d’image, parmer les méthodes utilisées
pour résoudre ce problème, on trouve les EDPs basé sur la diffusion isotrope et anisotrope.
Chaque méthode a ces avantages et ces inconvénient tel que, la diffusion isotrope élimine
le bruits ,engendre une disparition des contourset rend l’image de plus en plus floue,la
diffusion anisotrope s’agit d’un lissage conditionnel, dont le comportementest fonction de
la norme du gradient de l’image, grâce à la fonction c(.). Le principe est de diffuser
fortementdans les zones à faibles gradients (zones homogènes),et faiblement dans les zones
à forts gradients (contours).La méthode de diffusion anisotrope possède plusieurs
inconvénients dont le premier est son inefficacité dans les zones où le bruit présente de
fortes discontinuités.Une solution pour résoudre le problème est de travailler avec une
version régularisée de l'équation impliquant le gradient.
Nous espérons que ce travail sera d’un apport considérable pour les promotions Ã
venir, ce qui enrichira la documentationEn ligne : https://dl.ummto.dz/bitstream/handle/ummto/7422/ToucheriftSouad.pdf?sequence=1&i [...] Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=25089 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.04-11/2 MAST.AUTO.04-11 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible MAST.AUTO.04-11/1 MAST.AUTO.04-11 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Classification des images texturées par le réseau ELM-LRF Type de document : theses et memoires Auteurs : Sihem Menaoum ; Khimoud Hayat ; Farida Dorbane, Directeur de thèse Editeur : TIZI-OUZOU : FGEI.UMMTO Année de publication : 2019 Importance : 62 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr Langues : Français Mots-clés : Réseau de neurone image ELM-LRF Résumé : Dans ce travail, nous avons abordé la notion de texture, qui est eu même temps importante et complexe. La texture est une information qui permet de caractériser un objet ou une surface dans une image, à côté des autres informations comme la couleur et l'intensité lumineuse.
L'idée de ce travail est d'éviter l'étape du choix de descripteur de texture et d'extraction de caractéristiques, en utilisant le réseau ELM-LRF qui exploite l'image brute sans aucun traitement au préalable. En plus, d'exploiter certains avantages de ce réseau comme la simplicité de son architecture et le nombre réduit des paramètres à ajuster.
Les résultats ont montré clairement le réseau ELM-LRF est bien adaptée sur des images non texturées, les deux bases de visage, comme c'était le cas dans le travail [37]. En revanche, les résultats de classification des images textures que nous avons obtenus ne sont pas satisfaisants par rapport à ceux obtenus en utilisant un réseau de neurones à convolution 11 couches [38].En ligne : D:\CD THESES 2019\MAST.AUTO\MENAOUM SIHEM; KHIMOUD HAYAT.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=34326 Classification des images texturées par le réseau ELM-LRF [theses et memoires] / Sihem Menaoum ; Khimoud Hayat ; Farida Dorbane, Directeur de thèse . - TIZI-OUZOU (TIZI-OUZOU) : FGEI.UMMTO, 2019 . - 62 p. : ill. ; 30 cm.
Bibliogr
Langues : Français
Mots-clés : Réseau de neurone image ELM-LRF Résumé : Dans ce travail, nous avons abordé la notion de texture, qui est eu même temps importante et complexe. La texture est une information qui permet de caractériser un objet ou une surface dans une image, à côté des autres informations comme la couleur et l'intensité lumineuse.
L'idée de ce travail est d'éviter l'étape du choix de descripteur de texture et d'extraction de caractéristiques, en utilisant le réseau ELM-LRF qui exploite l'image brute sans aucun traitement au préalable. En plus, d'exploiter certains avantages de ce réseau comme la simplicité de son architecture et le nombre réduit des paramètres à ajuster.
Les résultats ont montré clairement le réseau ELM-LRF est bien adaptée sur des images non texturées, les deux bases de visage, comme c'était le cas dans le travail [37]. En revanche, les résultats de classification des images textures que nous avons obtenus ne sont pas satisfaisants par rapport à ceux obtenus en utilisant un réseau de neurones à convolution 11 couches [38].En ligne : D:\CD THESES 2019\MAST.AUTO\MENAOUM SIHEM; KHIMOUD HAYAT.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=34326 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.46-19/1 MAST.AUTO.46-19 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Classification de personnes avec ou sans rejet à base du réseau de neurones à champs récepteurs Type de document : theses et memoires Auteurs : Hocine Zerouki ; Touati Yacine ; Farida Dorbane, Directeur de thèse Editeur : Tizi.Ouzou : U.M.M.T.O Année de publication : 2020 Importance : 63 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Réseau de neurone Classification des images Apprentissage Reconnaissance de visages Classification supervisé Extraction de caractéristiques Champs récepteurs Capacité de généralisation Résumé : La classification des images est un outil d'organisation et d'analyse de données volumineuses et complexes. L'objectif de la classification des images est d'élaborer un système capable d'affecter un classement automatique d'images. La classification des images consiste à répartir systématiquement des images en classes, marquant ainsi sa parenté avec d'autres images. En effet, il existe deux types de classification selon le caractère supervisé ou non supervisé. La reconnaissance de visages consiste à associer un visage à une identité, elle est effectuée chez les êtres humains d'une façon naturelle et évolutive. Mais, ce n'est pas le cas dans un système artificiel de reconnaissance faciale car le visage humain est sujet aux différents changements de conditions de prises, cette réalité demeurera un grand défi de ces systèmes. Plusieurs méthodes ont été proposées pour la reconnaissance de visages, on distingue trois catégories de méthodes : les méthodes globales, les méthodes locales et les méthodes hybrides. Le principe des méthodes globales est d'utiliser toute la surface du visage comme source d'information sans tenir compte des caractéristiques locales comme les yeux, la bouche, etc. Parmi les approches les plus importantes réunies au sein de cette classe on trouve : les machines à vecteurs de support, les réseaux de neurones. Dans notre travail nous nous sommes intéressés à ce type de méthode et plus précisément à la classification supervisée en utilisant les réseaux de neurones.
Ainsi les résultats de la classification dépendent d'une part du choix d'un extracteur approprié qui est une tâche très délicate, et d'autre part du type de classifieur utilisé qui est d'une grande importance pour assurer une bonne reconnaissance, en prenant aussi en considération la contrainte de temps de réponse. Par rapport à toutes ces contraintes, nous avons utilisé, le réseau de neurones à champs récepteurs pour l'image IRF-NN (Image Réceptive Field Neural Networks), en tirant profit de tous ces avantages à savoir : exploitation brute de l'image sans extraction de caractéristiques au préalable, vitesse d'apprentissage rapide, architecture très simple, bonne performance de classification et une bonne capacité de généralisationEn ligne : D:\CD THESES 2020\RETARDATAIRES\ZEROUKI HOCINE; TOUATI YACINE.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36099 Classification de personnes avec ou sans rejet à base du réseau de neurones à champs récepteurs [theses et memoires] / Hocine Zerouki ; Touati Yacine ; Farida Dorbane, Directeur de thèse . - Tizi.Ouzou (Tizi.Ouzou) : U.M.M.T.O, 2020 . - 63 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Réseau de neurone Classification des images Apprentissage Reconnaissance de visages Classification supervisé Extraction de caractéristiques Champs récepteurs Capacité de généralisation Résumé : La classification des images est un outil d'organisation et d'analyse de données volumineuses et complexes. L'objectif de la classification des images est d'élaborer un système capable d'affecter un classement automatique d'images. La classification des images consiste à répartir systématiquement des images en classes, marquant ainsi sa parenté avec d'autres images. En effet, il existe deux types de classification selon le caractère supervisé ou non supervisé. La reconnaissance de visages consiste à associer un visage à une identité, elle est effectuée chez les êtres humains d'une façon naturelle et évolutive. Mais, ce n'est pas le cas dans un système artificiel de reconnaissance faciale car le visage humain est sujet aux différents changements de conditions de prises, cette réalité demeurera un grand défi de ces systèmes. Plusieurs méthodes ont été proposées pour la reconnaissance de visages, on distingue trois catégories de méthodes : les méthodes globales, les méthodes locales et les méthodes hybrides. Le principe des méthodes globales est d'utiliser toute la surface du visage comme source d'information sans tenir compte des caractéristiques locales comme les yeux, la bouche, etc. Parmi les approches les plus importantes réunies au sein de cette classe on trouve : les machines à vecteurs de support, les réseaux de neurones. Dans notre travail nous nous sommes intéressés à ce type de méthode et plus précisément à la classification supervisée en utilisant les réseaux de neurones.
Ainsi les résultats de la classification dépendent d'une part du choix d'un extracteur approprié qui est une tâche très délicate, et d'autre part du type de classifieur utilisé qui est d'une grande importance pour assurer une bonne reconnaissance, en prenant aussi en considération la contrainte de temps de réponse. Par rapport à toutes ces contraintes, nous avons utilisé, le réseau de neurones à champs récepteurs pour l'image IRF-NN (Image Réceptive Field Neural Networks), en tirant profit de tous ces avantages à savoir : exploitation brute de l'image sans extraction de caractéristiques au préalable, vitesse d'apprentissage rapide, architecture très simple, bonne performance de classification et une bonne capacité de généralisationEn ligne : D:\CD THESES 2020\RETARDATAIRES\ZEROUKI HOCINE; TOUATI YACINE.PDF Format de la ressource électronique : Permalink : ./index.php?lvl=notice_display&id=36099 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.201-20/1 MAST.AUTO.201-20 Mémoires Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Titre : Détection automatique de défauts paranalyse de la couleur d'une image Type de document : theses et memoires Auteurs : Farida Dorbane ; Moussa Diaf, Directeur de thèse Editeur : Tizi Ouzou : UMMTO.FGEI Année de publication : 2007 Importance : 103 p. Présentation : ill. Format : 30 cm. Note générale : Bibliogr. Langues : Français Mots-clés : Segmentation d'image couleur Détection de défauts L'Echantillonnage Procedeur Mean - Shift Systèmes de représentation de la couleur Permalink : ./index.php?lvl=notice_display&id=24822 Détection automatique de défauts paranalyse de la couleur d'une image [theses et memoires] / Farida Dorbane ; Moussa Diaf, Directeur de thèse . - Tizi Ouzou (Tizi Ouzou) : UMMTO.FGEI, 2007 . - 103 p. : ill. ; 30 cm.
Bibliogr.
Langues : Français
Mots-clés : Segmentation d'image couleur Détection de défauts L'Echantillonnage Procedeur Mean - Shift Systèmes de représentation de la couleur Permalink : ./index.php?lvl=notice_display&id=24822 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité Mag.Auto.15-07/2 Mag.Auto.15-07 Mémoires Magasin de Thèses et Mémoires / FGE Magister en Automatique Disponible Mag.Auto.15-07/1 Mag.Auto.15-07 Mémoires Magasin de Thèses et Mémoires / FGE Magister en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
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 Réservation
Réserver ce document
Exemplaires
Code-barres Cote Support Localisation Section Disponibilité MAST.AUTO.67-23/1 MAST.AUTO.67-23 CD Magasin de Thèses et Mémoires / FGE Master en Automatique Disponible Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Permalink
Permalink
Permalink
Permalink
Permalink
Permalink
Permalink
Permalink
Permalink
