Veuillez utiliser cette adresse pour citer ce document : http://dspace1.univ-tlemcen.dz/handle/112/24749
Affichage complet
Élément Dublin CoreValeurLangue
dc.contributor.authorBensaad, Meriem-
dc.contributor.authorDerdarine, Chaimaa-
dc.date.accessioned2025-02-24T08:44:31Z-
dc.date.available2025-02-24T08:44:31Z-
dc.date.issued2022-07-07-
dc.identifier.urihttp://dspace1.univ-tlemcen.dz/handle/112/24749-
dc.description.abstractLa segmentation sémantique est une partie importante du champ de vision par ordinateur, où la classe à laquelle chaque pixel d’une image appartient, est étiquetée automatiquement, les méthodes traditionnelles ont fourni des performances faible, surtout avec les grands ensembles de données, par conséquent, nous nous sommes appuyés dans notre travail sur l’une des techniques actuelles, représentée dans Réseau de neurones entièrement convolutionnel, en particulier, l’architecture U-Net. Ce dernier a permis d’équilibrer entre les objets on pouvait trouver dans l’image et leur « localisation », notamment après avoir intégré des changements dans son architecture en ajoutant des couches (Inception modules par exemple), ou un changement en termes de numéro de canauxen_US
dc.language.isofren_US
dc.publisherUniversity of tlemcenen_US
dc.relation.ispartofseries107 Master info;-
dc.subjectsegmentation sémantique, Réseaux entièrement convolutifs, U-Net, Pascal VOC, L’apprentissage profond.en_US
dc.titleFully convolutional Networks for Semantic Segmentationen_US
dc.typeThesisen_US
Collection(s) :Master RSD

Fichier(s) constituant ce document :
Fichier Description TailleFormat 
Fully_convolutional_Networks_for_Semantic_Segmentation.pdf4,25 MBAdobe PDFVoir/Ouvrir


Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.