Veuillez utiliser cette adresse pour citer ce document :
https://di.univ-blida.dz/jspui/handle/123456789/32426
Affichage complet
Élément Dublin Core | Valeur | Langue |
---|---|---|
dc.contributor.author | Sanogo, Mohamed | - |
dc.contributor.author | Soly Coulibaly, Ibrahima | - |
dc.contributor.author | Zahra, Fatma Zohra | - |
dc.date.accessioned | 2024-11-04T14:17:53Z | - |
dc.date.available | 2024-11-04T14:17:53Z | - |
dc.date.issued | 2024-06-13 | - |
dc.identifier.uri | https://di.univ-blida.dz/jspui/handle/123456789/32426 | - |
dc.description | ill., Bibliogr. Cote:ma-004-1020 | fr_FR |
dc.description.abstract | La 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.iso | fr | fr_FR |
dc.publisher | Université Blida 1 | fr_FR |
dc.subject | reconnaissance d’immeuble | fr_FR |
dc.subject | détection d’immeuble | fr_FR |
dc.subject | apprentissage automatique | fr_FR |
dc.subject | apprentissage profond | fr_FR |
dc.subject | application web de vente immobilière | fr_FR |
dc.subject | image aérienne | fr_FR |
dc.subject | image satellitaire | fr_FR |
dc.title | Reconnaissance d’images immobilières | fr_FR |
dc.title.alternative | Application à un site de vente immobilière | fr_FR |
dc.type | Thesis | fr_FR |
Collection(s) : | Mémoires de Master |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Sanogo Mohamed et Ibrahima Soly Coulibaly.pdf | 1,14 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.