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.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.identifier.uri | http://10.10.1.6:4000/handle/123456789/2405 | |
| 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 |