Système embarqué pour la détection d’objets basé sur YOLOv5.

dc.contributor.authorRahmani Tinhinane
dc.contributor.authorSadi Fatma
dc.date.accessioned2025-02-09T12:57:17Z
dc.date.available2025-02-09T12:57:17Z
dc.date.issued2023-06-26
dc.description74p .; ill .; 30cm . (CD-ROM)
dc.description.abstractNotre travail présente une étude approfondie sur l'utilisation de YOLOv5 sur le Raspberry Pi 4 pour la détection d'objets en temps réel. Nous avons mis en évidence l'impact significatif de l'intelligence artificielle et de la vision par ordinateur, notamment dans le domaine de la détection d'objets, grâce à des modèles comme YOLOv5. Ce modèle démontre la polyvalence et l'accessibilité du Raspberry Pi 4 en tant que plateforme pour déployer des systèmes de détection d'objets, malgré ses limitations en termes de puissance de traitement et de mémoire RAM. Notre étude détaille le processus d'entraînement du modèle YOLOv5, son intégration sur le Raspberry Pi 4, et les étapes nécessaires pour obtenir une détection précise et rapide. Nous avons examiné les résultats des tests réalisés, évalué les performances du système, et proposé des pistes d'amélioration pour l'avenir. Parmi ces pistes, nous suggérons l'utilisation d'autres modèles de détection, l'exploration de nouveaux backbones, l'entraînement sur des bases de données plus vastes, et l'adoption d'algorithmes d'amélioration de la qualité des images. En conclusion, ce travail offre une base solide pour la compréhension et la mise en œuvre de systèmes de détection d'objets en temps réel avec YOLOv5 sur le Raspberry Pi 4. Il ouvre la voie à de nouvelles opportunités dans le domaine de la vision par ordinateur embarquée et encourage la poursuite de recherches et d'innovations dans ce domaine en constante évolution
dc.identifier.citationEléctronique des Systèmes Embarqués
dc.identifier.otherMAST.ELN.14-23
dc.identifier.urihttps://dspace.ummto.dz/handle/ummto/26488
dc.language.isofr
dc.publisherFGEI.UMMTO
dc.subjectUnité de traitement graphique
dc.subjectRéseau de proposition
dc.titleSystème embarqué pour la détection d’objets basé sur YOLOv5.
dc.typeThesis

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Rahmani Tinhinane; Saidi Fatma.pdf
Size:
5.37 MB
Format:
Adobe Portable Document Format
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: