Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/20119
Full metadata record
DC FieldValueLanguage
dc.contributor.authorMazir, Melissa-
dc.contributor.authorAmriou, Hanane-
dc.contributor.authorMekhmoukh, Abdenour ; promoteur-
dc.contributor.authorAlliche, Abdenour ; promoteur-
dc.date.accessioned2022-10-31T14:33:08Z-
dc.date.available2022-10-31T14:33:08Z-
dc.date.issued2022-
dc.identifier.urihttp://univ-bejaia.dz/dspace/123456789/20119-
dc.descriptionOptions : Réseaux et Systèmes de Télécommunicationsen_US
dc.description.abstractLes méthodes d’apprentissage profond, en particulier les réseaux de neurones convolutifs, ont obtenu des succès significatifs dans le domaine de classification d’images. La formation de modèles profonds montre de performances exceptionnelles avec de grands ensembles de données. Ce travail de projet de fin d’étude propose un réseau de neurones à apprentissage profond pour apprendre sur un ensemble de données de taille réduite. Pour cela, un ensemble de d’image selon des classes différentes avec masque, sans masque et masque incorrect a été généré sous le logiciel de programmation Matlab. Nous démontrons expérimentalement que le jeu de données d’apprentissage améliore réellement la puissance de généralisation des CNN. L’évaluation du modèle étudié a montré de bonnes performances en termes de précision avec un taux de classification de 91.5%.en_US
dc.language.isofren_US
dc.publisherUniversité Abderrahmane Mira- Bejaiaen_US
dc.subjectMatlab : CNN : Convolution al neural networken_US
dc.titleConvolution al neural network pour la détection du port du masque.en_US
dc.typeThesisen_US
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
memoire.pdf2.69 MBAdobe PDFView/Open


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