Please use this identifier to cite or link to this item: http://localhost:8080/xmlui/handle/123456789/10293
Full metadata record
DC FieldValueLanguage
dc.contributor.authorSiouane, Mouhssin-
dc.contributor.authorSaada, Fawzi-
dc.date.accessioned2021-03-03T12:42:51Z-
dc.date.available2021-03-03T12:42:51Z-
dc.date.issued2020-
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/10293-
dc.description4.621.1.896 ;79 p ;illustréfr_FR
dc.description.abstractL’expression faciale est la méthode non verbale la plus courante, dans laquelle les humains utilisent un ou plusieurs mouvements ou positions des muscles sous la peau du visage. Notre projet consiste à fournir une approche de reconnaissance faciale basée sur l’apprentissage profond (deep Learning) et plus particulièrement sur les réseaux de neurones convolutifs dont deux architectures du réseau CNN : VGG16 et Bottleneck, Notre choix de ces deux architectures est motivé par leur succès dans la reconnaissance d’images. L’entraînement du réseau de neurones est implémenté à l’aide de la bibliothèque TensorFlow et d’autres bibliothèques comme keras et L’apprentissage par transfert comme modèle est utilisé dans la phase de l’entrainement.fr_FR
dc.language.isofrfr_FR
dc.publisherBlida1fr_FR
dc.subjectDeep Learning, Traitement d’image, CNN, expressions faciales, VGG16, Python,IAfr_FR
dc.titleReconnaissance des expressions faciales en temps réelfr_FR
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
pfe (4).pdf4,21 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.