Veuillez utiliser cette adresse pour citer ce document :
https://di.univ-blida.dz/jspui/handle/123456789/11363
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | Ouaachmi, Ahcene | - |
dc.contributor.author | Ouchfoun, Aness | - |
dc.date.accessioned | 2021-04-29T09:54:44Z | - |
dc.date.available | 2021-04-29T09:54:44Z | - |
dc.date.issued | 2020 | - |
dc.identifier.uri | http://di.univ-blida.dz:8080/jspui/handle/123456789/11363 | - |
dc.description | 621.950 ; 85 p | fr_FR |
dc.description.abstract | De nos jours, les tâches de reconnaissance d'objets sont de plus en plus résolues avec les réseaux neuronaux convolutionnels (CNN). En raison de son haut taux de reconnaissance et une exécution rapide, les réseaux de neurones convolutifs ont amélioré la plupart des tâches de vision par ordinateur, à la fois existants et nouveaux. L’objectif premier est l’implémentation d'un algorithme de classification de panneaux de signalisation utilisant une convolution réseau neuronal. L’entraînement du réseau de neurones est implémenté à l'aide de la bibliothèque TensorFlow et d’autres bibliothèques comme keras et d’une architecture massivement parallèle pour la programmation. L'ensemble de la procédure de classification des panneaux de signalisation est exécuté en temps réel sur un GPU et CPU. Les résultats expérimentaux ont confirmé la haute efficacité du système de vision par ordinateur développé | fr_FR |
dc.language.iso | fr | fr_FR |
dc.publisher | Univ Blida1 | fr_FR |
dc.subject | CNN, TensorFlow, Keras, CPU, GPU | fr_FR |
dc.title | Classification des Panneaux de Signalisation Routière par les Réseaux Neuronaux Convolutifs | fr_FR |
Collection(s) : | Mémoires de Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
pfe.ouachemi-ouchfoun.classification.pdf | 3,21 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.