Andere Kunden interessierten sich auch für
![Système de Détection d'Intrusion basé sur l'apprentissage profond]( "Système de Détection d'Intrusion basé sur l'apprentissage profond")
Système de Détection d'Intrusion basé sur l'apprentissage profond40,99 €![FLAMED : Une approche d'apprentissage profond pour la détection en temps réel des incendies et des fumées]( "FLAMED : Une approche d'apprentissage profond pour la détection en temps réel des incendies et des fumées")
FLAMED : Une approche d'apprentissage profond pour la détection en temps réel des incendies et des fumées39,99 €![Exploitation de l'apprentissage profond pour la reconnaissance des émotions vocales]( "Exploitation de l'apprentissage profond pour la reconnaissance des émotions vocales")
Exploitation de l'apprentissage profond pour la reconnaissance des émotions vocales29,99 €![L'internet des objets avec l'apprentissage profond pour les applications sociétales]( "L'internet des objets avec l'apprentissage profond pour les applications sociétales")
L'internet des objets avec l'apprentissage profond pour les applications sociétales30,99 €![Détection de la langue des signes à l'aide de l'apprentissage en profondeur]( "Détection de la langue des signes à l'aide de l'apprentissage en profondeur")
Détection de la langue des signes à l'aide de l'apprentissage en profondeur29,99 €![Analyse des sentiments dans les textes X avec l'apprentissage profond]( "Analyse des sentiments dans les textes X avec l'apprentissage profond")
Analyse des sentiments dans les textes X avec l'apprentissage profond39,99 €![Reconnaissance de l'activité humaine grâce à l'apprentissage profond]( "Reconnaissance de l'activité humaine grâce à l'apprentissage profond")
Reconnaissance de l'activité humaine grâce à l'apprentissage profond44,99 €
L'apprentissage profond y prend place, en particulier avec la croissance rapide et la disponibilité de grandes bases de données et les récentes améliorations apportées aux unités de traitement graphique connues sous leur nom anglais GPU (Graphics Processing Units). L'objectif principal de cette recherche est d'appliquer les algorithmes d'apprentissage profond, tels que les réseaux de neurones à convolutions (CNNs-Convolutional Neural Networks) et les architectures profondes, en particulier le modèle profond VGG-16 pour la catégorisation et la localisation des véhicules dans des scènes routières. Dans le présent mémoire, nous allons montrer que grâce à un paramétrage optimisé et une modification algorithmique simple, nous pouvons améliorer, même de façon relative, la robustesse d'un réseau particulier de type Faster R-CNN dans la détection des véhicules et obtenir des résultats meilleurs en s'appuyant sur diverses bases de données (PASCAL VOC 2007, PASCAL VOC 2012, MIT Traffic, CUHK Square et Logiroad).