La reconnaissance de la langue des signes algérienne en utilisant : Ensemble Learning Techniques
| dc.contributor.author | BOUTELDJA ,Kenza Hasna | |
| dc.contributor.author | MENIKER ,Abir | |
| dc.date.accessioned | 2025-11-05T08:54:51Z | |
| dc.date.available | 2025-11-05T08:54:51Z | |
| dc.date.issued | 2025-06 | |
| dc.description.abstract | Dans ce mémoire de master, notre objectif principal est la reconnaissance automatique des signes de la langue des signes algérienne (LSA) à partir d'images. Cette technologie facilite la communication entre les communautés sourdes et entendantes, notamment dans les domaines de l'éducation, des services publics et de la santé. La précision et la robustesse des systèmes de reconnaissance des signes sont essentielles pour garantir une traduction fluide et fiable. Grâce aux progrès récents de l'intelligence artificielle, notamment en vision par ordinateur et en apprentissage automatique, il est désormais possible de construire des modèles performants pour cette tâche. Dans notre étude, nous avons mis en oeuvre une approche expérimentale complète combinant plusieurs techniques : traitement d'images, extraction de caractéristiques et apprentissage automatique. Les expériences ont été menées à partir du jeu de données ArASL, qui contient 54 049 images réparties en 32 classes de signes. Les résultats ont montré une grande précision pour les modèles entraînés, démontrant l'efficacité de notre système pour la reconnaissance automatique des signes de la LSA. | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/5319 | |
| dc.language.iso | fr | |
| dc.publisher | Faculté des Sciences | |
| dc.title | La reconnaissance de la langue des signes algérienne en utilisant : Ensemble Learning Techniques | |
| dc.title.alternative | Intelligence Artificielle | |
| dc.type | Mémoire de Master |