Object Detection with Convolutional Neural Networks

dc.contributor.author	Kerraiou Fath-allah ⮚ Belaiboud Abdelghani
dc.date.accessioned	2022-11-14T08:11:07Z
dc.date.available	2022-11-14T08:11:07Z
dc.date.issued	2022
dc.identifier.uri	https://dspace.univ-bba.dz:443/xmlui/handle/123456789/2405
dc.description.abstract	Ce mémoire de maîtrise aborde le problème de la détection d'objets qui est l'un des sujets les plus célèbres et les plus étudiés dans le domaine de la vision par ordinateur. Il existe deux méthodes principales pour la détection d'objets à l'aide de réseaux de neurones convolutifs : les méthodes à deux étapes et à une étape. Nous expliquons deux exemples d'architectures de détection d'objets R-CNN et YOLOv5 respectivement. Nous proposons dans cette thèse notre architecture CNN pour détecter les tumeurs dans un jeu de données IRM réel et comparer nos résultats au modèle YOLOv5.	en_US
dc.language.iso	fr	en_US
dc.publisher	faculté des sciences et de la technologie univ bba	en_US
dc.relation.ispartofseries	;EL/M/2022/23
dc.subject	Mots-clés : Apprentissage profond, Neurones Profonds, Réseau de Neurones profond, CNN, Détection Objets, R-CNN, YOLOv5, Vision par ordinateur.	en_US
dc.title	Object Detection with Convolutional Neural Networks	en_US
dc.type	Thesis	en_US