Veuillez utiliser cette adresse pour citer ce document :
https://di.univ-blida.dz/jspui/handle/123456789/23704
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | Benadouda, Asmaa | - |
dc.contributor.author | Merdji, Roufaida | - |
dc.contributor.author | Benblidia, Nadjia (Promotrice) | - |
dc.contributor.author | Brahim, Aimen (Encadreur) | - |
dc.date.accessioned | 2023-05-09T07:32:23Z | - |
dc.date.available | 2023-05-09T07:32:23Z | - |
dc.date.issued | 2022 | - |
dc.identifier.uri | https://di.univ-blida.dz/jspui/handle/123456789/23704 | - |
dc.description | ill., Bibliogr. ma-004-910-1 | fr_FR |
dc.description.abstract | La reconnaissance d’objets est une technique de Computer Vision utilisée pour l’identificat ion d’objets présents dans des images et des vidéos. La reconnaissance d’images fait référence aux technologies qui identifient les lieux, les logos, les personnes, les objets, les bâtiments et plusieurs autres variables dans des images. L’objectif de ces domaines est d’apprendre aux machines à comprendre (reconnaitre) le contenu d’une image comme le font des humains. Le but de notre travail est de concevoir et réaliser un système de classification d’images de documents (Cartes d’ident ités) de manière automatique. Ce système tend à répondre au problème rencontré par l’entreprise Icosnet dont l’object if est de déterminer le faux du vrai des pièces d’ident ificat ion, pour que l’entreprise puisse rendre ses services aux clients qui ont inséré leurs pièces d’ident ités. Pour réaliser notre système, nous avons utilisé le Deep Learning via les réseaux de neurones convolutionnels (CNN) et le modèle de détection d’objets YOLOv5. Après le partit ionnement de la base de données et l’entrainement par les modèles cités, l’évaluat ion des résultats a engendré une précision de la classification de 73.4% ; le Rappel est de 95.5%, et le mAP@0.5 est de 92.8%. Mots clés : Reconnaissance d’objets, Reconnaissance d’images, Classification d’image, Deep Learning, CNN, Yolov5, Carte d’ident ité. | fr_FR |
dc.language.iso | fr | fr_FR |
dc.publisher | Université Blida 1 | fr_FR |
dc.subject | Reconnaissance d’objets | fr_FR |
dc.subject | Reconnaissance d’images | fr_FR |
dc.subject | Classification d’image | fr_FR |
dc.subject | Deep Learning | fr_FR |
dc.subject | CNN | fr_FR |
dc.subject | Yolov5 | fr_FR |
dc.subject | Carte d’ident ité | fr_FR |
dc.title | Solution pour déterminer l’authenticité des documents numériques | fr_FR |
dc.type | Thesis | fr_FR |
Collection(s) : | Mémoires de Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Benadouda Asmaa et Merdji Roufaida.pdf | 10,49 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.