Classification d’Images Numériques Couleurs : Une Approche par Apprentissage Profond (Deep Learning, CNN) – Application à la Reconnaissance Automatique du Genre Humain
| dc.contributor.author | ACHOURI ,A. Karim. | |
| dc.contributor.author | DEROUICHE ,Fadi Ali | |
| dc.contributor.author | BOUCHEHAM ,Bachir. | |
| dc.date.accessioned | 2025-02-26T09:56:22Z | |
| dc.date.available | 2025-02-26T09:56:22Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | 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 | |
| dc.identifier.uri | http://dspace.univ-skikda.dz:4000/handle/123456789/4100 | |
| dc.language.iso | fr | |
| dc.publisher | Faculté des sciences | |
| dc.title | Classification d’Images Numériques Couleurs : Une Approche par Apprentissage Profond (Deep Learning, CNN) – Application à la Reconnaissance Automatique du Genre Humain | |
| dc.title.alternative | Génie Logiciel Avancé et Applications, | |
| dc.type | mémoire de Master |