Afficher la notice abrégée
| dc.contributor.author |
DJEZZAR Khalida |
|
| dc.contributor.author |
ESSID Ikram |
|
| dc.date.accessioned |
2025-10-30T10:37:21Z |
|
| dc.date.available |
2025-10-30T10:37:21Z |
|
| dc.date.issued |
2025 |
|
| dc.identifier.uri |
https://di.univ-blida.dz/jspui/handle/123456789/40856 |
|
| dc.description |
4.621.1.1400;94p |
fr_FR |
| dc.description.abstract |
Notre projet a pour objectif de concevoir un système intelligent basé sur l’apprentissage
profond pour la détection et la reconnaissance des panneaux de signalisation routière. Le
modèle YOLO (You Only Look Once) est utilisé comme apprentissage supervisé pour
détecter des objets se trouvant sur une image numérique. Le YOLOv11, été choisi comme
modèle d’apprentissage supervisé pour sa légèreté et sa capacité à fonctionner efficacement
en temps réel, entrainé à partir de données annotées via la plateforme Roboflow.Le Roboflow
est un outilpour l’annotations des images sur lesquelles figurent des régions d’intérêt à
détecter (ROI, Region of intrest).Nous avons mis en œuvre diverses techniques utilisant
différentes versions de Yolo11 au sein de l’interface graphique pour détecter des panneaux de
signalisation sur des images, des vidéos et webcam. Il intègre notamment des modules d’OCR
(Reconnaissance Optique de Caractères), une gestion de la résolution (DPI) pour tester la
robustesse du système proposé, des images bruitées utilisé ainsi que des images prise dans des
conditions réelles de circulation. |
fr_FR |
| dc.language.iso |
fr |
fr_FR |
| dc.publisher |
blida1 |
fr_FR |
| dc.subject |
YOLOv11, traitement d’image, apprentissage profond, Roboflow, panneaux de signalisation. |
fr_FR |
| dc.title |
Détection automatique des panneaux de signalisation routière basée sur YOLOv11 |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée