Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "ACHOURI ,A. Karim."

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Classification d’Images Numériques Couleurs : Une Approche par Apprentissage Profond (Deep Learning, CNN) – Application à la Reconnaissance Automatique du Genre Humain
    (Faculté des Sciences, 2022) ACHOURI ,A. Karim.; DEROUICHE ,Fadi Ali; BOUCHEHAM ,Bachir.
    Nous nous intéressons dans ce travail de Master à la tâche de classification des images numériques. En particulier, notre étude s’oriente sur le plan pratique sur le cas spécifique de la classification du genre humain, à partir d’images numériques. Nous utilisons pour cela, les réseaux de neurones à convolution, (ou Convolutionnels, Convolutional Neural Networks, CNN, en anglais) sous la Plateforme GoogleColab. Les CNN sont des réseaux de neurones multicouches spécialisés dans des taches de reconnaissance de formes. Dans notre travail, hormis la partie étude théorique, nous avons proposé un modèle de classification basé CNN autour de la base d’images que nous avons collectée. Les résultats du classifieur du genre humain, ainsi réalisé, ont montré que le choix du nombre d’époques et la taille de la base d’images ainsi que la profondeur du réseau ont une grande influence pour avoir les meilleures performances de classification

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback