Name: Contribution à la détection des véhicules par l'apprentissage profond (en Francés)
SKU: 57200351
Price: 976.87 MXN
Availability: InStock
Author: Bayoudh, Khaled
ISBN: 9786138471721

portada Contribution à la détection des véhicules par l'apprentissage profond (en Francés)

Contribution à la détection des véhicules par l'apprentissage profond (en Francés)

Formato

Libro Físico

Autor

Khaled Bayoudh

Editorial

Editions Universitaires Europeennes

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.5 cm

Peso

0.13 kg.

ISBN13

9786138471721

Categorías

Tecnología de la información: cuestiones generales

Contribution à la détection des véhicules par l'apprentissage profond (en Francés)

Khaled Bayoudh (Autor) · Editions Universitaires Europeennes · Tapa Blanda

Libro Nuevo Importado

Envío: 23 a 28 días háb.

$ 1,628.11$ 976.87

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 976.87

¡Envío Gratis! Llega entre el 09 Oct y el 19 Oct a CUAUHTÉMOC, Ciudad de México. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Contribution à la détection des véhicules par l'apprentissage profond (en Francés)"

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).