Détection de Caries Dentaires par Deep Learning

Please use this identifier to cite or link to this item: http://localhost:8080/xmlui/handle/123456789/20695

Full metadata record

DC Field	Value	Language
dc.contributor.author	Issad, Nihad	-
dc.contributor.author	Si-Hadi, Sarah	-
dc.date.accessioned	2023-01-29T09:45:31Z	-
dc.date.available	2023-01-29T09:45:31Z	-
dc.date.issued	2022	-
dc.identifier.uri	https://di.univ-blida.dz/jspui/handle/123456789/20695	-
dc.description	4.621.1.1146. 107P	fr_FR
dc.description.abstract	Plusieurs méthodes et algorithmes ont été développés pour la reconnaissance et la classification de la carie dentaire chez les patients malades. Parmi toutes ces techniques, nous avons choisi pour notre projet de fin d’études, l'approche CNN en appliquant l'apprentissage par transfert sur une base de données. Pour cela, nous avons utilisé plusieurs modèles préentrainés (VGG16, VGG19 et Inseption-ResNet V2). Après avoir testé ces derniers, nous avons constaté que le VGG16 est le plus performant en classification de la carie dentaire avec une précision de 97,06 % en test. L'application réalisée permet de classifier la carie dentaire et donner le pourcentage du type de cette dernière.	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	blida1	fr_FR
dc.subject	Classification, CNN, Caries Dentaires, VGG16, VGG19, Inseption-ResNet V2, Apprentissage par Transfert	fr_FR
dc.title	Détection de Caries Dentaires par Deep Learning	fr_FR
Appears in Collections:	Mémoires de Master

Files in This Item:

File	Description	Size	Format
chentir-New pfe (2) (1).pdf		4,04 MB	Adobe PDF	View/Open

DSpace JSPUI