Afficher la notice abrégée
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.identifier.uri |
https://dspace.univ-bba.dz:443/xmlui/handle/123456789/1095 |
|
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.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 |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée