Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/18403
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBellagh, Jugurtha-
dc.contributor.authorTighzert, Lyes ; promoteur-
dc.date.accessioned2022-03-06T12:41:39Z-
dc.date.available2022-03-06T12:41:39Z-
dc.date.issued2021-
dc.identifier.urihttp://hdl.handle.net/123456789/18403-
dc.descriptionOption : Instrumentationen_US
dc.description.abstracte mémoire de Master est axé sur le développement d'outils de vision artificielle destinée aux systèmes embarqués avec l'usage du Deep Learning (DL). En premier lieu, l'apprentissage d'un réseau de neurones convolutif (CNN) pour la reconnaissance des panneaux de signalisation routière est effectu éave cMatlab Deep Learning Toolbox en utilisant la base de données Road Sign Detection avec quatre (04) classes contenant environ un millier d'images. Ensuite, le hardware d'un système de vision par ordinateur est construit autour d'un Raspberry Pi 4 Model B et embarqué sur un robot mobile à deux roues motrices. Enfin ,le modèle du réseau de neurones obtenu sur Matlab après apprentissage est exporté en format de fichie ronn xave cl alibrairi eONN Xe timplément ésu rl eRaspberry Pi 4 avec l'environnement d'exécution ONNX Runtime interprété par Python 3. Les résultats de l'apprentissage, les temps d'acquisition et d'inférence des images, la capacité en mémoire utilisée, la consommation énergétique du système et la précision du modèle sur le Raspberry Pi sont rapportés dans le document.en_US
dc.language.isofren_US
dc.publisherUniversité Abderrahmane Mira- Bejaiaen_US
dc.subjectIntelligence Artificiell : Dee pLearnin g(DL) : Réseau xd eNeurones Convolutifs : Matlab : Python : OpenCVen_US
dc.titleDéveloppement d'outils de vision artificielle embarquée avec Deep Learningen_US
dc.title.alternativeApplication à la reconnaissance de panneaux de signalisation routièreen_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
Master_Thesis_J_BELLAGH.pdf13.94 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.