Catalogue des Mémoires de master
Détail de l'auteur
Auteur Said Benierbah |
Documents disponibles écrits par cet auteur (3)
Affiner la rechercheAmélioration des images par Super Résolution en utilisant le Deep Learning / Sami Hadj Moussa Daoud
Titre : Amélioration des images par Super Résolution en utilisant le Deep Learning Type de document : texte imprimé Auteurs : Sami Hadj Moussa Daoud, Auteur ; mehdi Ghazi, Auteur ; Said Benierbah, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2018 Importance : 68 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : super résolution apprentissage profond machine learning capsule endoscopique réseau de neurones CNN SRCNN systeme digestif tensorflow classification reconnaissance dse lésions. Index. décimale : 610 Electronique Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10360 Amélioration des images par Super Résolution en utilisant le Deep Learning [texte imprimé] / Sami Hadj Moussa Daoud, Auteur ; mehdi Ghazi, Auteur ; Said Benierbah, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2018 . - 68 f. ; 30 cm.
Une copie electronique PDF disponible au BUC.
Langues : Français (fre)
Catégories : Sciences de la technologie:Electronique Tags : super résolution apprentissage profond machine learning capsule endoscopique réseau de neurones CNN SRCNN systeme digestif tensorflow classification reconnaissance dse lésions. Index. décimale : 610 Electronique Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10360 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSELE180025 MSELE180025 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte integréAdobe Acrobat PDF
Titre : Classification and Segmentation of COVID-19 CXR and Chest CT Imag;es Using Deep Learning Algorithms Type de document : texte imprimé Auteurs : Abdesselam Ferdi, Auteur ; Said Benierbah, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2020 Importance : 77 f. Format : 30cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Anglais (eng) Catégories : Lettres et Langues Etrangères:Langue Anglaise Tags : COVID-19 Convolutional Network Chest X-Ray Chest Computed Tomography Classification Deep Learning Fully Convolutional Network Medical image processing Semantic Segmentation Transfer Learning. Index. décimale : 420 Langue anglaise Résumé : In recent years, deep learning algorithms have a tremendous growth in their popularity and
use in many fields, such as medical imaging. In this work, we will use these algorithms to help
in the diagnosis of the COVID 19. Although RT-PCR testing is considered the gold standard for
COVID-19 screening, diagnosis of this disease by processing chest x-ray and chest CT images
is also widely used nowadays. The work carried out in this thesis has two parts. The first part
is devoted to classification and the second part deals with segmentation. Four deep learning
algorithms based on convolutional networks has been used in the task of COVID-19 chest xray images classification. Three of them are pre-trained networks, namely, ResNet-50,
Inception-v3, and Inception-ResNet-v2, and the fourth one is our proposed deep learning
network. In the segmentation task, three algorithms based on fully convolutional networks has
been used to segment the chest CT images of COVID-19 into three regions of lung infection
(ground-glass opacity, consolidation, and pleural effusion). Two algorithms has been taken
from literature, namely, U-Net and SegNet, and the third one is our proposed deep learning
model. The classification results show that our proposed model COVID-Net has yielded the
highest classification performance as the ResNet-50 does with a validation accuracy of 99%. In
the case of segmentation, the results show that the SegNet model have yielded the highest dice
score of 0.69Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13551 Classification and Segmentation of COVID-19 CXR and Chest CT Imag;es Using Deep Learning Algorithms [texte imprimé] / Abdesselam Ferdi, Auteur ; Said Benierbah, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2020 . - 77 f. ; 30cm.
Une copie electronique PDF disponible au BUC.
Langues : Anglais (eng)
Catégories : Lettres et Langues Etrangères:Langue Anglaise Tags : COVID-19 Convolutional Network Chest X-Ray Chest Computed Tomography Classification Deep Learning Fully Convolutional Network Medical image processing Semantic Segmentation Transfer Learning. Index. décimale : 420 Langue anglaise Résumé : In recent years, deep learning algorithms have a tremendous growth in their popularity and
use in many fields, such as medical imaging. In this work, we will use these algorithms to help
in the diagnosis of the COVID 19. Although RT-PCR testing is considered the gold standard for
COVID-19 screening, diagnosis of this disease by processing chest x-ray and chest CT images
is also widely used nowadays. The work carried out in this thesis has two parts. The first part
is devoted to classification and the second part deals with segmentation. Four deep learning
algorithms based on convolutional networks has been used in the task of COVID-19 chest xray images classification. Three of them are pre-trained networks, namely, ResNet-50,
Inception-v3, and Inception-ResNet-v2, and the fourth one is our proposed deep learning
network. In the segmentation task, three algorithms based on fully convolutional networks has
been used to segment the chest CT images of COVID-19 into three regions of lung infection
(ground-glass opacity, consolidation, and pleural effusion). Two algorithms has been taken
from literature, namely, U-Net and SegNet, and the third one is our proposed deep learning
model. The classification results show that our proposed model COVID-Net has yielded the
highest classification performance as the ResNet-50 does with a validation accuracy of 99%. In
the case of segmentation, the results show that the SegNet model have yielded the highest dice
score of 0.69Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=13551 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSENG200117 MSENG200117 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte intérgéAdobe Acrobat PDF
Titre : Mise en place d’une plateforme de streaming de Video on Demand (VoD) sur IP (OTT) Type de document : texte imprimé Auteurs : Aymen Benniou, Auteur ; Mohamed ALkassab, Auteur ; Said Benierbah, Directeur de thèse Editeur : CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine Année de publication : 2018 Importance : 81 f. Format : 30 cm. Note générale : Une copie electronique PDF disponible au BUC. Langues : Français (fre) Catégories : Sciences de la technologie:Electronique Tags : Réseaux et télécommunications Index. décimale : 610 Electronique Résumé : Au cours des dernières années, le streaming est devenu un domaine de
recherche très intéressant, avec l'augmentation des utilisateurs des
plateformes de vidéo à la demande.
Dans ce mémoire on propose notre plateforme de streaming de vidéo à la
demande sur un réseaux IP local OTT, la création de cette plateforme se base
sur trois aspects principaux, le premier aspect est lié au traitement vidéo et
préparation du contenu multimédia, ce comprend les fonctionnalités du
codage et segmentation et l'usage des protocoles de streaming à débit
adaptative. Le deuxième aspect du projet consiste à créer une plateforme web,
en utilisant les langages HTML et CSS. Et finalement la création d'un
environnement client-serveur pour partager le contenu vers les utilisateurs
finaux.
Notre plateforme "ETFAREJ" permet aux utilisateurs d'avoir une expérience
de VOD, avec un contenu vidéo en plusieurs résolutions, sans avoir des
coupures durant le streaming.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10304 Mise en place d’une plateforme de streaming de Video on Demand (VoD) sur IP (OTT) [texte imprimé] / Aymen Benniou, Auteur ; Mohamed ALkassab, Auteur ; Said Benierbah, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2018 . - 81 f. ; 30 cm.
Une copie electronique PDF disponible au BUC.
Langues : Français (fre)
Catégories : Sciences de la technologie:Electronique Tags : Réseaux et télécommunications Index. décimale : 610 Electronique Résumé : Au cours des dernières années, le streaming est devenu un domaine de
recherche très intéressant, avec l'augmentation des utilisateurs des
plateformes de vidéo à la demande.
Dans ce mémoire on propose notre plateforme de streaming de vidéo à la
demande sur un réseaux IP local OTT, la création de cette plateforme se base
sur trois aspects principaux, le premier aspect est lié au traitement vidéo et
préparation du contenu multimédia, ce comprend les fonctionnalités du
codage et segmentation et l'usage des protocoles de streaming à débit
adaptative. Le deuxième aspect du projet consiste à créer une plateforme web,
en utilisant les langages HTML et CSS. Et finalement la création d'un
environnement client-serveur pour partager le contenu vers les utilisateurs
finaux.
Notre plateforme "ETFAREJ" permet aux utilisateurs d'avoir une expérience
de VOD, avec un contenu vidéo en plusieurs résolutions, sans avoir des
coupures durant le streaming.Diplome : Master 2 Permalink : https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=10304 Réservation
Réserver ce document
Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MSELE180009 MSELE180009 Document électronique Bibliothèque principale Mémoires Disponible Documents numériques
texte integréAdobe Acrobat PDF
