Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/10293
Affichage complet
Élément Dublin CoreValeurLangue
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
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
pfe (4).pdf4,21 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.