Afficher la notice abrégée
dc.contributor.author |
Ouaachmi, Ahcene |
|
dc.contributor.author |
Ouchfoun, Aness |
|
dc.date.accessioned |
2021-04-29T09:54:44Z |
|
dc.date.available |
2021-04-29T09:54:44Z |
|
dc.date.issued |
2020 |
|
dc.identifier.uri |
http://di.univ-blida.dz:8080/jspui/handle/123456789/11363 |
|
dc.description |
621.950 ; 85 p |
fr_FR |
dc.description.abstract |
De nos jours, les tâches de reconnaissance d'objets sont de plus en plus résolues avec
les réseaux neuronaux convolutionnels (CNN). En raison de son haut taux de
reconnaissance et une exécution rapide, les réseaux de neurones convolutifs ont
amélioré la plupart des tâches de vision par ordinateur, à la fois existants et
nouveaux.
L’objectif premier est l’implémentation d'un algorithme de classification de
panneaux de signalisation utilisant une convolution réseau neuronal. L’entraînement
du réseau de neurones est implémenté à l'aide de la bibliothèque TensorFlow et
d’autres bibliothèques comme keras et d’une architecture massivement parallèle pour
la programmation.
L'ensemble de la procédure de classification des panneaux de signalisation est
exécuté en temps réel sur un GPU et CPU. Les résultats expérimentaux ont confirmé
la haute efficacité du système de vision par ordinateur développé |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
Univ Blida1 |
fr_FR |
dc.subject |
CNN, TensorFlow, Keras, CPU, GPU |
fr_FR |
dc.title |
Classification des Panneaux de Signalisation Routière par les Réseaux Neuronaux Convolutifs |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée