|
| Titre : | Classification des images spot en utilisant les réseaux de neurones convolutionnels (CNN) U-Net | | Type de document : | theses et memoires | | Auteurs : | Kahina Chamek ; Hellal Kahina ; Mourad Lazri, Directeur de thèse | | Editeur : | Tizi-Ouzou : U.M.M.T.O | | Année de publication : | 2020 | | Importance : | 66 p. | | Présentation : | ill. | | Format : | 30 cm | | Note générale : | Bibliogr. | | Langues : | Français | | Mots-clés : | Réseaux de neurones convolutive (CNNs) U-Net Réseaux de neurone | | Résumé : | Dans notre mémoire on a utilisé l'apprentissage profond (deep Learning) et les réseaux de neurones convolutifs (CNNs) ce sont des réseaux multicouche (les couche de convolution, les couche de pooling, les couche de correction, les couche entièrement connectée (fc), les couche de perte (loss)) qui sont spécialisées dans des tache de reconnaissance d'image, l'architecture de réseau CNNs proposée dans notre travail est de type U-Net (architecture conçu spécialement pour la reconnaissance d'image biomédicale).
Le bon choix de quelque paramètre tel que la taille de la base d'image, le nombre d'itération et la profondeur de réseau, ont une grande influence pour avoir des meilleurs résultats. | | En ligne : | D:\CD THESES 2020\MAST.ELN\CHAMEK KAHINA; HELLAL KAHINA.PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=35368 |
Classification des images spot en utilisant les réseaux de neurones convolutionnels (CNN) U-Net [theses et memoires] / Kahina Chamek ; Hellal Kahina ; Mourad Lazri, Directeur de thèse . - Tizi-Ouzou (Tizi-Ouzou) : U.M.M.T.O, 2020 . - 66 p. : ill. ; 30 cm. Bibliogr. Langues : Français | Mots-clés : | Réseaux de neurones convolutive (CNNs) U-Net Réseaux de neurone | | Résumé : | Dans notre mémoire on a utilisé l'apprentissage profond (deep Learning) et les réseaux de neurones convolutifs (CNNs) ce sont des réseaux multicouche (les couche de convolution, les couche de pooling, les couche de correction, les couche entièrement connectée (fc), les couche de perte (loss)) qui sont spécialisées dans des tache de reconnaissance d'image, l'architecture de réseau CNNs proposée dans notre travail est de type U-Net (architecture conçu spécialement pour la reconnaissance d'image biomédicale).
Le bon choix de quelque paramètre tel que la taille de la base d'image, le nombre d'itération et la profondeur de réseau, ont une grande influence pour avoir des meilleurs résultats. | | En ligne : | D:\CD THESES 2020\MAST.ELN\CHAMEK KAHINA; HELLAL KAHINA.PDF | | Format de la ressource électronique : | PDF | | Permalink : | ./index.php?lvl=notice_display&id=35368 |
|
Classification des images spot en utilisant les réseaux de neurones convolutionnels (CNN) U-Net (2020) 
