Browsing by Author "MANSOUL, A"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item La reconnaissance des images par CNN (Convolutional Neural Network)(Faculté des Sciences, 2023) DJAREDDIR, Rahma; MANSOUL, ALa reconnaissance d'images est considérée comme l'une des tâches les plus importantes et les plus complexes en intelligence artificielle et en traitement d'images. Elle implique l'utilisation d'algorithmes et de modèles pour analyser et interpréter le contenu visuel d'une image. La reconnaissance d'images trouve de nombreuses applications pratiques, notamment dans la classification d'images, la détection d'objets, la reconnaissance faciale, la reconnaissance de caractères, la vision par ordinateur, etc. Cela a conduit de nombreux chercheurs à explorer plusieurs techniques basées sur des données brutes pour la reconnaissance d’objets les au vu des caractéristiques apparentes. Ceci nous a incités à nous pencher vers une approche basée sur la reconnaissance à l’aide d’un CNN afin de reconnaitre le contenu d’une image. Cette approche est testé sur un data set d’images qui présentent plusieurs catégories d’animaux avec analyse de ces de différentes images, et pour un cas donné nous utiliserons le modèle CNN pour reconnaitre l’animal en question. Notre approche nous a permis d’atteindre un taux de reconnaissance de 98.93 %Item La reconnaissance des images par CNN (Convolutional Neural Network)(Faculté des Sciences, 2023) DJAREDDIR, Rahma; MANSOUL, ALa reconnaissance d'images est considérée comme l'une des tâches les plus importantes et les plus complexes en intelligence artificielle et en traitement d'images. Elle implique l'utilisation d'algorithmes et de modèles pour analyser et interpréter le contenu visuel d'une image. La reconnaissance d'images trouve de nombreuses applications pratiques, notamment dans la classification d'images, la détection d'objets, la reconnaissance faciale, la reconnaissance de caractères, la vision par ordinateur, etc. Cela a conduit de nombreux chercheurs à explorer plusieurs techniques basées sur des données brutes pour la reconnaissance d’objets les au vu des caractéristiques apparentes. Ceci nous a incités à nous pencher vers une approche basée sur la reconnaissance à l’aide d’un CNN afin de reconnaitre le contenu d’une image. Cette approche est testé sur un data set d’images qui présentent plusieurs catégories d’animaux avec analyse de ces de différentes images, et pour un cas donné nous utiliserons le modèle CNN pour reconnaitre l’animal en question. Notre approche nous a permis d’atteindre un taux de reconnaissance de 98.93 %.