1 résultat(s) recherche sur le tag 'apprentissage profond'    

Classification des images endoscopiques par Deep Learning / Abderrahmane Salmi 

Public ISBD 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) 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 (Route Ain el bey, BP 325, ALGERIE) : Université Frères Mentouri Constantine, 2017 . - 67 f. ; 30 cm. Une copie électronique PDF disponible en BUC. Langues : Français (fre) 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

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
aucun exemplaire