Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Rapport pfe 2 REPUBLIQUE TUNISIENNE MINISTERE DE L ? ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE TUNIS EL MANAR FACULTE DES SCIENCES DE TUNIS DEPARTEMENT DES SCIENCES DE L'INFORMATIQUE RAPPORT De Projet de Fin d ? Etudes SUJET Augmen

REPUBLIQUE TUNISIENNE MINISTERE DE L ? ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE TUNIS EL MANAR FACULTE DES SCIENCES DE TUNIS DEPARTEMENT DES SCIENCES DE L'INFORMATIQUE RAPPORT De Projet de Fin d ? Etudes SUJET Augmentation d ? une base d ? apprentissage Pour le Deep Learning Présenté par Gouadria Oumaima Encadré par Mme Doggaz Narjes Organisme d ? accueil ADDIXO Année Universitaire - C CRemerciements Je tiens à exprimer toute ma reconnaissance à mon encadrante Madame Narjes Doggaz Je la remercie de m ? avoir encadré orienté aidé et conseillé J ? adresse mes sincères remerciements à tous les professeurs et les jurys et toutes les personnes qui par leurs paroles leurs écrits leurs conseils et leurs critiques ont guidé mes ré exions et ont accepté à me rencontrer et répondre à mes questions Je remercie ma très chère Maman Mabrouka qui a toujours été là pour moi Vous avez tout sacri ?é pour votre ?lle n ? épargnant ni santé ni e ?orts Vous m ? avez donné un magni ?que modèle de labeur et de persévérance Je suis redevable d ? une éducation dont je suis ?ère ? CTable des matières Introduction Générale Chapitre Présentation générale et état de l ? art Introduction Présentation de l ? ADDIXO Problématique Deep Learning Etat de l ? art Opérateurs d ? augmentation Les réseaux génératifs adversaires GAN Conclusion Chapitre Implémentation Introduction Choix des technologies Python Tensor ow Keras Pandas Numpy Scikit-Learn Matplotlib Scipy Open CV Django Présentation de la base d ? apprentissage Augmentation par les opérateurs de transformation d ? images Rotation Injection du bruit Speckle Noise Injection du bruit poivre et sel Salt and Pepper Noise Injection de bruit Gaussien Gaussian Noise Shadow ombre Shade color C Enhancement Renforcement Blur Flou SRGAN Super Résolution GAN Interface graphique Conclusion Chapitre Test et évaluation Introduction Les réseaux de neurones convolutionnels CNN Notre modèle CNN Résultats de notre CNN pour la base d ? ADDIXO Résultats de notre CNN pour la nouvelle base d ? apprentissage Conclusion Conclusion Générale et Perspectives Bibliographie CListe des ?gures Figure Mécanisme de fonctionnement des réseaux de neurones Figure Rotation d ? un point Figure Rotation d ? une image Figure Flip d ? une image Figure Translation d ? une image Figure Specle Noise Figure Bruit poivre et sel d ? une image Figure Bruit Gaussian d ? une image Figure Ombre d ? une image Figure Shade color d ? une image Figue Zoom Figure Contraste d ? une image Figure Brillance Figure Image avec Sharpening Figure Random erasing Figure Architecture des méthodes GAN Figure Image initiale Figure Rotation avec angle a Figure E ?et du Speckle noise Figure Image avec bruit poivre et sel Figure E ?et de l ? opérateur bruit gaussien Figure E ?et de l ? opérateur shadow ombre Figure E ?et d ? opérateur Shade color avec couleurs di ?érents Figure E ?et du contraste Figure E ?et du Brillance Figure E ?et du sharpness Figure E