Algorithmes d’Alignement d’Image à Base de Réseaux de Neurones Convolutionnels (CNN)
dc.contributor.author | MASSOUDA, BEN CHIKH | |
dc.date.accessioned | 2021-11-07T09:31:16Z | |
dc.date.available | 2021-11-07T09:31:16Z | |
dc.date.issued | 2021 | |
dc.description.abstract | Aujourd'hui, l'apprentissage en profondeur est un nouveau domaine de recherche qui a récemment émergé au sein de la recherche en apprentissage automatique en simulant des neurones, et il a donné des résultats impressionnants et efficaces qui n'étaient pas possibles auparavant en raison de sa grande précision qui dépasse parfois l'esprit humain. Les réseaux de neurones convolutifs sont des réseaux de neurones multicouches spécialisés dans les tâches de reconnaissance de formes. Notre travail consiste à aligner l'image en utilisant les algorithmes Le Net, le ResNet, la transformation géométrique, la corrélation croisée normalisé, pour préserver les détails et la taille de la base de l'image ainsi que la profondeur où elle a un grand effet pour obtenir les meilleurs résultats. | en_US |
dc.identifier.uri | http://10.10.1.6:4000/handle/123456789/1095 | |
dc.language.iso | fr | en_US |
dc.publisher | Faculté des Sciences et Technologies | en_US |
dc.relation.ispartofseries | ;EL/M/2021/62 | |
dc.subject | Alignement d’images, réseaux de neurones convolutifs, apprentissage profond, apprentissage automatique, neurones, Le Net le ResNet, la transformation géométrique, corrélation croisée normalisé | en_US |
dc.title | Algorithmes d’Alignement d’Image à Base de Réseaux de Neurones Convolutionnels (CNN) | en_US |
dc.type | Thesis | en_US |