Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/11363
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorOuaachmi, Ahcene-
dc.contributor.authorOuchfoun, Aness-
dc.date.accessioned2021-04-29T09:54:44Z-
dc.date.available2021-04-29T09:54:44Z-
dc.date.issued2020-
dc.identifier.urihttp://di.univ-blida.dz:8080/jspui/handle/123456789/11363-
dc.description621.950 ; 85 pfr_FR
dc.description.abstractDe 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 développéfr_FR
dc.language.isofrfr_FR
dc.publisherUniv Blida1fr_FR
dc.subjectCNN, TensorFlow, Keras, CPU, GPUfr_FR
dc.titleClassification des Panneaux de Signalisation Routière par les Réseaux Neuronaux Convolutifsfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
pfe.ouachemi-ouchfoun.classification.pdf3,21 MBAdobe PDFVoir/Ouvrir


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