Titre :	Satellite image classification using convolutional neural networks
Type de document :	texte imprimé
Auteurs :	Chiheb Eddine CHIHOUB, Auteur ; Amel Hebboul, Directeur de thèse
Editeur :	CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine
Année de publication :	2021
Importance :	72 f.
Format :	30 cm.
Note générale :	Une copie electronique PDF disponible au BUC
Langues :	Français (fre)
Catégories :	Sciences de la technologie:Electronique
Tags :	image satellite  classification  réseaux de neurones artificiels  réseaux de neurones convolutifs
Index. décimale :	610 Electronique
Résumé :	La classification des images satellitaires est importante afin de rendre le systéme d’information géographique utilisable pour diverses applications. L’utilisation de certain types de réseaux de neurones artificiels laisse peu de place à l’interaction humaine, effectuent une classification supervisée avec moins de données d’entraînement, apprennent des modèles complexes même dans des zones hétérogènes, et fournissent de meilleurs résultats de classification pour les données multimodales spectralement mélangées et sont capables de généraliser les entrées. Dans cette thèse, nous procé- dons avec la famille des réseaux de neurones convolutifs, c’est-à-dire CNN, pour classer des ensembles de données bien connus tels que les ensembles de données Euro Sat et UC Merced Land. L’objectif principal de cette thèse est d’observer et d’évaluer les performances des gagnants pré-formés, des premiers et des finalistes du concours ImageNet (AlexNet, VGG19, GoogleNet et ResNet50). Les résultats obtenus sont analysés par rapport au meilleur de nos connaissances, l’étude de cas la plus préformante Ân Classification d’images satellites avec CNN Â ´ ˙ z. La thèse explore les fondamentaux de la classification et des réseaux de neurones artificiels appliqués à l’imagerie satellitaire. L’architecture principale de CNN qui a révolutionné le domaine de la vision par ordinateur est examinée en mettant l’accent sur les blocs constitutifs de CNN.
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15674

Satellite image classification using convolutional neural networks [texte imprimé] / Chiheb Eddine CHIHOUB, Auteur ; Amel Hebboul, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2021 . - 72 f. ; 30 cm.
Une copie electronique PDF disponible au BUC
Langues : Français (fre)

Catégories :	Sciences de la technologie:Electronique
Tags :	image satellite  classification  réseaux de neurones artificiels  réseaux de neurones convolutifs
Index. décimale :	610 Electronique
Résumé :	La classification des images satellitaires est importante afin de rendre le systéme d’information géographique utilisable pour diverses applications. L’utilisation de certain types de réseaux de neurones artificiels laisse peu de place à l’interaction humaine, effectuent une classification supervisée avec moins de données d’entraînement, apprennent des modèles complexes même dans des zones hétérogènes, et fournissent de meilleurs résultats de classification pour les données multimodales spectralement mélangées et sont capables de généraliser les entrées. Dans cette thèse, nous procé- dons avec la famille des réseaux de neurones convolutifs, c’est-à-dire CNN, pour classer des ensembles de données bien connus tels que les ensembles de données Euro Sat et UC Merced Land. L’objectif principal de cette thèse est d’observer et d’évaluer les performances des gagnants pré-formés, des premiers et des finalistes du concours ImageNet (AlexNet, VGG19, GoogleNet et ResNet50). Les résultats obtenus sont analysés par rapport au meilleur de nos connaissances, l’étude de cas la plus préformante Ân Classification d’images satellites avec CNN Â ´ ˙ z. La thèse explore les fondamentaux de la classification et des réseaux de neurones artificiels appliqués à l’imagerie satellitaire. L’architecture principale de CNN qui a révolutionné le domaine de la vision par ordinateur est examinée en mettant l’accent sur les blocs constitutifs de CNN.
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=15674