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

Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/12994

Affichage complet

Élément Dublin Core	Valeur	Langue
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
Collection(s) :	Mémoires de Master

Fichier(s) constituant ce document :

Fichier	Description	Taille	Format
memoire_brahim boulares_abid.pdf		5,65 MB	Adobe PDF	Voir/Ouvrir

DSpace JSPUI