Afficher la notice abrégée
dc.contributor.author |
Idoui, Rabah |
|
dc.contributor.author |
Himeur, Ahmed |
|
dc.contributor.author |
Bouatmane, Sabrina (Encadreur) |
|
dc.date.accessioned |
2021-02-10T09:44:02Z |
|
dc.date.available |
2021-02-10T09:44:02Z |
|
dc.date.issued |
2020 |
|
dc.identifier.uri |
http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/5688 |
|
dc.description |
Option: Electronique des systèmes embarqués |
fr_FR |
dc.description.abstract |
Dans ce travail, nous présentons une approche d’apprentissage profond ‘deep learning ‘pour la détection automatique du cancer de sein IDC dans les images histologiques. Cette approche est basée sur l’utilisation des réseaux de neurones convolutionnels (CNN), qui sont actuelle-ment les méthodes les plus efficacités dans le domaine de la classification des images. Le modèle CNN implémenté dans notre travail est constitué de plusieurs couches et entrainé par une base de données d’images histologiques du cancer IDC qui contient des milliers d’images. L’évaluation du modèle CNN a montré de bonnes performance en terme de préci-sion avec un taux de de classification de 84%. |
fr_FR |
dc.language.iso |
fr |
fr_FR |
dc.publisher |
Université de Jijel |
fr_FR |
dc.subject |
réseaux du CNN, RNN, Deep Learning, |
fr_FR |
dc.title |
Reconnaissance d’images par les réseaux de neurones convolutionnels (CNN) |
fr_FR |
dc.type |
Thesis |
fr_FR |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée