étection de la rétinopathie diabétique avec le deep learning, transfer learning, CNN, U-Net

Please use this identifier to cite or link to this item: http://localhost:8080/xmlui/handle/123456789/12994

Full metadata record

DC Field	Value	Language
dc.contributor.author	Abid, Fatima	-
dc.contributor.author	Brahim Boulares, Lobna	-
dc.date.accessioned	2021-11-17T09:14:34Z	-
dc.date.available	2021-11-17T09:14:34Z	-
dc.date.issued	2021	-
dc.identifier.uri	http://di.univ-blida.dz:8080/jspui/handle/123456789/12994	-
dc.description	621.1048 ; 104 p	fr_FR
dc.description.abstract	L’objectif de ce projet est d’implémenter un système d’aide au diagnostic médical, à base de différentes architectures des réseaux de neurones convolutionnels sous environnement Cloud ( colab ) et jupyter notbooks , pour détecter la rétinopathie diabétique dans les images en utilisant le « Deep Learning » et le « Transfer Learning ». Nous avons utilisé une base de données contenant 5000 images augmentées images pour l'entrainement. Nous avons ensuite utilisé le Transfer Learning en modifiant les structures des réseaux VGG 16, alex net, et Inception V3 pour la classification. Des résultats d'apprentissage, de test, et de validation satisfaisants ont été obtenus	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	Univ Blida1	fr_FR
dc.subject	rétinopathie diabétique, deep Learning, transfert Learning, Google colab, jupyter, CNN, data augmentation, VGG, Inception, Alex net, intelligence artificielle, imagerie médical	fr_FR
dc.title	étection de la rétinopathie diabétique avec le deep learning, transfer learning, CNN, U-Net	fr_FR
Appears in Collections:	Mémoires de Master

Files in This Item:

File	Description	Size	Format
memoire_brahim boulares_abid.pdf		5,65 MB	Adobe PDF	View/Open

DSpace JSPUI