Please use this identifier to cite or link to this item: http://univ-bejaia.dz/dspace/123456789/23287
Title: Détection d'objets d'intérieur par apprentissage profond
Authors: Assef, Yanis
Hanane, Hicham
Mendil, Boubekeur;promoteur
Tenniche, Nesrine;promotrice
Keywords: Performances de détection : Apprentissage : Détection d'objets
Issue Date: 2023
Publisher: Université Abderrahmane Mira- Bejaia
Abstract: Dans ce travail, un système de détection en temps réel a été développé pour identifier et classer avec précision les objets d'intérieur. Pour cela, une base de données personnalisée, appelée YAHINE, a été créé comprenant une variété d'images représentant quelques objets d'intérieur souvent égarés. Ensuite, l'algorithme YOLOv4, basé sur le transfert d'apprentissage, a été entraîné en utilisant deux expériences distinctes : la première en utilisant la base de données YAHINE, et l'autre en utilisant l'augmentation de données. Les performances de détection ont été évaluées en utilisant des mesures telles que la précision, le rappel et le score F1 pour comparer les résultats des deux approches. Les résultats obtenus démontrent l'efficacité du système de détection d'objets proposé.
Description: option: Automatique et Informatique Industrielle
URI: http://univ-bejaia.dz/dspace/123456789/23287
Appears in Collections:Mémoires de Master

Files in This Item:
File Description SizeFormat 
PFE_PDF.pdf5.73 MBAdobe PDFView/Open


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