2 recherche sur le tag 'capsule endoscopique'   

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) 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

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MSELE170036	MSELE170036	Document électronique	Bibliothèque principale	Mémoires	Disponible

Documents numériques

texte integre Adobe Acrobat PDF

Amélioration des images par Super Résolution en utilisant le Deep Learning / Sami Hadj Moussa Daoud 

Public ISBD 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 integré Adobe Acrobat PDF