Veuillez utiliser cette adresse pour citer ce document :
http://dspace1.univ-tlemcen.dz/handle/112/24794
Titre: | Nabet-ID : Application Mobile pour la Reconnaissance des Plantes par Deep Learning |
Auteur(s): | Khitri, Hanane |
Mots-clés: | Identification, Classification, Reconnaissance, Plantes, Application Mobile, Réseau de Neurones Convolutifs, MobileNetV2, Apprentissage par Transfert, Augmentation de Données, Réglage Fin. |
Date de publication: | 3-jui-2022 |
Editeur: | University of tlemcen |
Collection/Numéro: | 074 Master Info; |
Résumé: | es applications de reconnaissance de plantes constituent un guide et un outil technologique moderne très précieux qui permet de répondre à la fois à la curiosité des simples amateurs de jardinage, des plantes, et passionnés de la nature en proposant avec précision l’espèce et le nom d’une plante. Elle apporte aussi une assistance précieuse aux explorateurs et scientifiques spécialistes du domaine. Notre projet Nabet-ID est une application de reconnaissance de plante permettant de retrouver/découvrir le nom des plantes en arabe, français, anglais et en darija, en analysant des photos de plantes sélectionnées dans la galerie photos d’un téléphone mobile ou simplement en prenant directement une photo d’une plante sans avoir forcément besoin d’une connexion internet. Nabet-ID est réalisée avec l’architecture de réseaux de neurones MobileNet V2, en exploitant les techniques de l’apprentissage par transfert, du réglage fin et de l’augmentation de données. Nous avons atteint sur un dataset de 10 classes un taux de 99% d’exactitude (accuracy) sur l’ensemble de test et 98% sur les ensembles de validation et de test. L’interface mobile de l’application Nabet-ID est développée en java sous android studio. M |
URI/URL: | http://dspace1.univ-tlemcen.dz/handle/112/24794 |
Collection(s) : | Master RSD |
Fichier(s) constituant ce document :
Fichier | Description | Taille | Format | |
---|---|---|---|---|
Nabet_ID_Application_Mobile_pour_la_Reconnaissance_des_Plantes_par_Deep_Learning.pdf | 14,35 MB | Adobe PDF | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.