Détection d’objets en utilisant les réseaux de neurones convolutifs
Loading...
Date
2024-09-30
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
FGEI.UMMTO
Abstract
Aujourd'hui, grâce aux avancées technologiques, l'apprentissage profond est devenu un outil essentiel dans divers domaines, notamment la vision par ordinateur. La détection d'objets, une application majeure de ce domaine, a été transformée grâce aux réseaux de neurones convolutifs (CNN). Ces réseaux permettent de détecter et de localiser des objets dans des images ou des vidéos de manière précise et rapide. Dans ce travail, nous nous sommes concentrés sur l'algorithme YOLO (You Only Look Once), particulièrement la version YOLOv4, qui est reconnue pour sa performance en temps réel. Nous avons implémenté et ré-entrainé le modèle YOLOv4 sur 4 différentes bases de données afin d’évaluer son efficacité. Les résultats obtenus montrent que YOLOv4 est un modèle puissant, capable de détecter des objets avec rapidité et précision, et qui se distingue par sa supériorité par rapport à d'autres modèles existants en termes de détection en temps réel
Description
103 p. : ill. ; 30 cm. (CD-Rom)
Keywords
Réseaux de neurones artificiels (RNA), Réseaux de neurones convolutifs (CNN), Détection d’objets, Localisation, Classification, YOLO (You Only Look Once), Variantes de YOLO, YOLOv4, Implémentation, Bases de données, Apprentissage, Test, Précision, Vitesse, Temps réel, Python, Google Colab, Analyse des résultats.
Citation
Automatique et Informatique Industrielle