Approche D’apprentissage Profond Pour La Segmentation Sémantique D’images
Résumé: La segmentation sémantique dans l’apprentissage profond représente un domaine de recherche crucial en vision par ordinateur, visant à attribuer des étiquettes sémantiques à chaque pixel d'une image. Les avancées dans le domaine de l’apprentissage profond ont révolutionné cette discipline, en introduisant des architectures sophistiquées telles que les réseaux de neurones convolutifs (CNN).Cette étude se concentre sur l'utilisation du modèle U-Net pour la segmentation sémantique, en mettant l'accent sur les scènes urbaines de l'ensemble de données Cityscapes. Pour améliorer les performances du modèle U-Net en segmentation sémantique, des couches convolutionelles supplémentaires ont été intégrées ainsi que d'autres ajustements spécifiques. Ces optimisations ont permis au modèle de capturer plus efficacement les détails complexes tout en régulant efficacement le processus d'apprentissage.
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".
