Détection D'objet En Temps Réel En Utilisant Une Approche Basée Sur L'apprentissage Profond
Résumé: La détection d’objets mobiles est une étape clé de nombreux algorithmes de vision par ordinateur tels que la vidéo surveillance, l’analyse du mouvement humain, la robotique, l’analyse de séquences sportives et autres. Récemment, la précision de la détection d'objets a été améliorée grâce aux performances des approches basées sur un algorithme d'apprentissage profond tel qu'un réseau convolutif basé sur la région (R-CNN), YOLO (You Only Look Once) et d'autres. L'objectif de ce mémoire de Master est d'identifier et d'évaluer les performances des modèles d'apprentissage profond existants qui sont appropriés et très efficaces pour la reconnaissance d'objets en temps réel.
Mots-clès:
Nos services universitaires et académiques
Thèses-Algérie vous propose ses divers services d’édition: mise en page, révision, correction, traduction, analyse du plagiat, ainsi que la réalisation des supports graphiques et de présentation (Slideshows).
Obtenez dès à présent et en toute facilité votre devis gratuit et une estimation de la durée de réalisation et bénéficiez d'une qualité de travail irréprochable et d'un temps de livraison imbattable!
Aucun fichier associé
Si le fichier est volumineux, l'affichage peut échouer. Vous pouvez obtenir le fichier directement en cliquant sur le bouton "Télécharger".
