Documents disponibles écrits par cet auteur

Reconnaissance des Maladies des Orangers / Lefrere Nezha

Public ISBD Titre : Reconnaissance des Maladies des Orangers Type de document : projet fin études Auteurs : Lefrere Nezha, Auteur Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 290/19 Résumé : Les réseaux de neurones convolutifs sont parmi les méthodes d'apprentissage en profondeur (deep learning). Ils ont obtenu un très grand succès dans le domaine de la vision par ordinateur. La formation de ces modèles nécessite un très grand jeu de données pour une excellente performance, mais le manque de données devient l’un des problèmes courants du problème actuel de la science des données. Ce travail propose un réseau de neurones à apprentissage profond pour apprendre sur un ensemble de jeu de données de très petite taille, a cet égard un ensemble de données d'image a été collecté à partir du web . Le réseau proposé est l’ensemble de CNN, cela prend d'énormes quantités de données traitées et de puissance de calcul, ce qui a conduit a utilisé la technique du transfert Learning, peu de puissance de calcul est nécessaire. Nous utilisons des poids pré-formés, et n’avons qu’à apprendre les poids des dernières couches. En utilisant la méthode proposée pour un jeu d’entraînement limité, on a obtenu une amélioration importante du taux de reconnaissance. Reconnaissance des Maladies des Orangers [projet fin études] / Lefrere Nezha, Auteur . - [s.d.]. Langues : Français (fre) Catégories : BIG DATA Index. décimale : mast 290/19 Résumé : Les réseaux de neurones convolutifs sont parmi les méthodes d'apprentissage en profondeur (deep learning). Ils ont obtenu un très grand succès dans le domaine de la vision par ordinateur. La formation de ces modèles nécessite un très grand jeu de données pour une excellente performance, mais le manque de données devient l’un des problèmes courants du problème actuel de la science des données. Ce travail propose un réseau de neurones à apprentissage profond pour apprendre sur un ensemble de jeu de données de très petite taille, a cet égard un ensemble de données d'image a été collecté à partir du web . Le réseau proposé est l’ensemble de CNN, cela prend d'énormes quantités de données traitées et de puissance de calcul, ce qui a conduit a utilisé la technique du transfert Learning, peu de puissance de calcul est nécessaire. Nous utilisons des poids pré-formés, et n’avons qu’à apprendre les poids des dernières couches. En utilisant la méthode proposée pour un jeu d’entraînement limité, on a obtenu une amélioration importante du taux de reconnaissance.

Réservation

Réserver ce document

Exemplaires

Code barre	Cote	Support	Localisation	Section	Disponibilité
mast 290/19	mast 290/19 LEF	Texte imprimé	Unité des masters	Mast/19	Disponible