Résumé:
Dans cette étude nous avons utilisé la méthode d’apprentissage profond et les réseaux de neurones convolutifs.
Nous avons expérimenté ces réseaux pour supprimer le filigrane de façon automatique, sans utiliser l’image originale(apprentissage non supervisé ). Pour se faire, nous avons appliqué la combinaison autoencodeurdébruiteur sur un ensemble d’images filigranées. La base des images utilisée est PASCAL VOC dont nous avons testées 2000 images (1800 images pour l’entrainement, 100 images pour la validation et 100 pour le teste) ,nous avons déformé ces image en ajoutant un text (filigrane ). Nous avons procédé à une évaluation des images produites en les comparant aux images originales et les images portant un filigrane, en utilisant la métrique d’évaluation objective, basée sur l’approche structurelle (SSIM).Les résultats étaient, en grande partie, assez satisfaisants. Les réseaux de neurones convolutifs ont pu rétablir et restituer l ?authenticité et
la qualité des images à 82% de celle des images originales.
Mots-clés : Apprentissage profond ,Réseaux de neurones convolutifs , Filigrane , Autoencodeur débruiteur , Evaluation objective , Qualité de l’image
