Veuillez utiliser cette adresse pour citer ce document : https://di.univ-blida.dz/jspui/handle/123456789/32426
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorSanogo, Mohamed-
dc.contributor.authorSoly Coulibaly, Ibrahima-
dc.contributor.authorZahra, Fatma Zohra-
dc.date.accessioned2024-11-04T14:17:53Z-
dc.date.available2024-11-04T14:17:53Z-
dc.date.issued2024-06-13-
dc.identifier.urihttps://di.univ-blida.dz/jspui/handle/123456789/32426-
dc.descriptionill., Bibliogr. Cote:ma-004-1020fr_FR
dc.description.abstractLa reconnaissance et la détection d'images immobilières sont des technologies en plein essor, offrant des perspectives prometteuses pour le secteur de l'immobilier en ligne. Ces technologies automatisent l'analyse des images de biens immobiliers pour extraire des informations cruciales telles que le type de propriété (maison, appartement, hôtel) et ses caractéristiques. Ce travail se concentre sur l'exploration des méthodes les plus efficaces pour la reconnaissance et la détection d'images immobilières, et leur application dans un contexte pratique sur un site web de vente immobilière. À cette fin, une étude approfondie des articles scientifiques a été menée pour identifier les modèles les plus performants pour l'analyse d'images. Deux APIs ont été développées pour notre application web : la première utilise le modèle VGG pour la reconnaissance, tandis que la seconde utilise le modèle YOLO pour la détection. Ces choix sont basés sur leur performance comparée à d'autres modèles étudiés, tels que ResNet pour la reconnaissance et U-Net pour la détection. Les objectifs principaux de cette recherche sont de fournir une analyse approfondie des technologies de reconnaissance et de détection d'images immobilières, et de démontrer leur application concrète dans un environnement de vente immobilière en ligne. Les mots clés : reconnaissance d’immeuble, détection d’immeuble, apprentissage automatique, apprentissage profond, application web de vente immobilière, image aérienne, image satellitaire.fr_FR
dc.language.isofrfr_FR
dc.publisherUniversité Blida 1fr_FR
dc.subjectreconnaissance d’immeublefr_FR
dc.subjectdétection d’immeublefr_FR
dc.subjectapprentissage automatiquefr_FR
dc.subjectapprentissage profondfr_FR
dc.subjectapplication web de vente immobilièrefr_FR
dc.subjectimage aériennefr_FR
dc.subjectimage satellitairefr_FR
dc.titleReconnaissance d’images immobilièresfr_FR
dc.title.alternativeApplication à un site de vente immobilièrefr_FR
dc.typeThesisfr_FR
Collection(s) :Mémoires de Master

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Sanogo Mohamed et Ibrahima Soly Coulibaly.pdf1,14 MBAdobe PDFVoir/Ouvrir


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