Veuillez utiliser cette adresse pour citer ce document :
https://di.univ-blida.dz/jspui/handle/123456789/31371
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | ADOUR HANENE AHLEM | - |
dc.contributor.author | BENAOUDA LOUBNA | - |
dc.date.accessioned | 2024-10-13T09:47:33Z | - |
dc.date.available | 2024-10-13T09:47:33Z | - |
dc.date.issued | 2024 | - |
dc.identifier.uri | https://di.univ-blida.dz/jspui/handle/123456789/31371 | - |
dc.description | 4.621.1.1349;65p | fr_FR |
dc.description.abstract | L'objectif de ce projet est de concevoir un système intelligent capable de déconvoluer des images floues pour avoir des images nettes. Notre approche est basée sur les nouvelles méthodes de l’apprentissage profond, en particulier les réseaux génératifs antagonistes. Le projet consiste d'abord en une présentation des modèles GAN et MNET, ainsi que de la transformation en ondelettes. Ensuite, nous créerons et entraînerons ces modèles en utilisant des outils dédiés aux domaines de la reconnaissance supervisée. | fr_FR |
dc.language.iso | fr | fr_FR |
dc.publisher | blida1 | fr_FR |
dc.subject | réseaux génératifs adversaires, modèle MNET, images nettes, déconvoluer, image floues, apprentissage profond. | fr_FR |
dc.title | Déconvolution d’images réelles par Le GAN | fr_FR |
Collection(s) : | Mémoires de Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Deconvolution_Memoire finale.pdf | 3,01 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.