Détection d’objets en utilisant les réseaux de neurones convolutifs

Simple item page
dc.contributor.authorKadir Sarah
dc.contributor.authorMoudoud Anya
dc.date.accessioned2025-03-16T09:11:04Z
dc.date.available2025-03-16T09:11:04Z
dc.date.issued2024-09-30
dc.description103 p. : ill. ; 30 cm. (CD-Rom)
dc.description.abstractAujourd'hui, grâce aux avancées technologiques, l'apprentissage profond est devenu un outil essentiel dans divers domaines, notamment la vision par ordinateur. La détection d'objets, une application majeure de ce domaine, a été transformée grâce aux réseaux de neurones convolutifs (CNN). Ces réseaux permettent de détecter et de localiser des objets dans des images ou des vidéos de manière précise et rapide. Dans ce travail, nous nous sommes concentrés sur l'algorithme YOLO (You Only Look Once), particulièrement la version YOLOv4, qui est reconnue pour sa performance en temps réel. Nous avons implémenté et ré-entrainé le modèle YOLOv4 sur 4 différentes bases de données afin d’évaluer son efficacité. Les résultats obtenus montrent que YOLOv4 est un modèle puissant, capable de détecter des objets avec rapidité et précision, et qui se distingue par sa supériorité par rapport à d'autres modèles existants en termes de détection en temps réel
dc.identifier.citationAutomatique et Informatique Industrielle
dc.identifier.otherMAST.AUTO.67-23
dc.identifier.urihttps://dspace.ummto.dz/handle/ummto/27030
dc.language.isofr
dc.publisherFGEI.UMMTO
dc.subjectRéseaux de neurones artificiels (RNA)
dc.subjectRéseaux de neurones convolutifs (CNN)
dc.subjectDétection d’objets
dc.subjectLocalisation
dc.subjectClassification
dc.subjectYOLO (You Only Look Once)
dc.subjectVariantes de YOLO
dc.subjectYOLOv4
dc.subjectImplémentation
dc.subjectBases de données
dc.subjectApprentissage
dc.subjectTest
dc.subjectPrécision
dc.subjectVitesse
dc.subjectTemps réel
dc.subjectPython
dc.subjectGoogle Colab
dc.subjectAnalyse des résultats.
dc.titleDétection d’objets en utilisant les réseaux de neurones convolutifs
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Kadir Sarah; Moudoud Anya.pdf
Size:
111.35 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Département d'Automatique