Titre :	Classification des images endoscopiques par Deep Learning
Type de document :	texte imprimé
Auteurs :	Abderrahmane Salmi, Auteur ; F. Soltani, Directeur de thèse
Editeur :	CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine
Année de publication :	2017
Importance :	67 f.
Format :	30 cm.
Note générale :	Une copie électronique PDF disponible en BUC.
Langues :	Français (fre)
Catégories :	Sciences de la technologie:Electronique
Tags :	classification  apprentissage profond  capsule endoscopique  tube digestif  Framework  Tensorflow  images endoscopiques
Index. décimale :	610 Electronique
Résumé :	Le but de notre travail est de réaliser un algorithme de classification des images produites par les capsules endoscopiques, en utilisant l’apprentissage profond. L’apprentissage profond est un ensemble de méthodes d'apprentissage artificiel qui permettent de modéliser les données avec un grand nombre de couches. Ceci va permettre d’identifier automatiquement les différentes parties du tube digestif (estomac, colon intestin …). Dans notre travail, nous avons utilisé le Framework Tensorflow de Google. Nous avons testé deux réseaux neurones convolutifs : notre propre modèle et un modèle par réentrainement d’inception-V3. Enfin, nous avons effectué des tests de classification sur les images endoscopiques
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8485

Classification des images endoscopiques par Deep Learning [texte imprimé] / Abderrahmane Salmi, Auteur ; F. Soltani, Directeur de thèse . - CONSTANTINE [ALGERIE] : Université Frères Mentouri Constantine, 2017 . - 67 f. ; 30 cm.
Une copie électronique PDF disponible en BUC.
Langues : Français (fre)

Catégories :	Sciences de la technologie:Electronique
Tags :	classification  apprentissage profond  capsule endoscopique  tube digestif  Framework  Tensorflow  images endoscopiques
Index. décimale :	610 Electronique
Résumé :	Le but de notre travail est de réaliser un algorithme de classification des images produites par les capsules endoscopiques, en utilisant l’apprentissage profond. L’apprentissage profond est un ensemble de méthodes d'apprentissage artificiel qui permettent de modéliser les données avec un grand nombre de couches. Ceci va permettre d’identifier automatiquement les différentes parties du tube digestif (estomac, colon intestin …). Dans notre travail, nous avons utilisé le Framework Tensorflow de Google. Nous avons testé deux réseaux neurones convolutifs : notre propre modèle et un modèle par réentrainement d’inception-V3. Enfin, nous avons effectué des tests de classification sur les images endoscopiques
Diplome :	Master 2
Permalink :	https://bu.umc.edu.dz/master/index.php?lvl=notice_display&id=8485