Documents disponibles écrits par cet auteur

Apport de l’apprentissage profond pour la prédiction du genre à partir de l’écriture manuscrite / Ryad Lotfi Mahtal 

Public ISBD Titre : Apport de l’apprentissage profond pour la prédiction du genre à partir de l’écriture manuscrite Type de document : document électronique Auteurs : Ryad Lotfi Mahtal, Auteur ; Khalil Meftah, Auteur ; Nesrine Bouadjenek, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (4.1 M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 85 - 88 Langues : Français (fre) Mots-clés : Prédiction  du  genre  de  l’écrivain Ecriture  manuscrite Texture CNN Filtres  de  Gabor Index. décimale : PN00920 Résumé : L’écriture manuscrite est une biométrie comportementale personnelle qui caractérise l’individu d’une façon unique. Elle permet d’obtenir plusieurs informations propre à son auteur tel que le genre. Dans ce travail, nous proposons un système de prédiction automatique du genre à partir de l’écriture manuscrite en utilisant l’apprentissage profond. A cet effet, nous proposons en premier lieu de générer des images textures par genre à partir des échantillons d’écriture manuscrite. Nous associerons ensuite ces images à un Réseau de Neurones Convolutifs (CNN) afin d’extraire les caractéristiques propres à chaque genre.Enfin, nous proposons d’utiliser les filtres de Gabor avec les CNNs pour une meilleure ex-traction de caractéristiques. Les différents tests sont effectués sur deux bases de données standards. Les résultats obtenus sont très satisfaisants et prometteurs. Apport de l’apprentissage profond pour la prédiction du genre à partir de l’écriture manuscrite [document électronique] / Ryad Lotfi Mahtal, Auteur ; Khalil Meftah, Auteur ; Nesrine Bouadjenek, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (4.1 M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 85 - 88 Langues : Français (fre) Mots-clés : Prédiction  du  genre  de  l’écrivain Ecriture  manuscrite Texture CNN Filtres  de  Gabor Index. décimale : PN00920 Résumé : L’écriture manuscrite est une biométrie comportementale personnelle qui caractérise l’individu d’une façon unique. Elle permet d’obtenir plusieurs informations propre à son auteur tel que le genre. Dans ce travail, nous proposons un système de prédiction automatique du genre à partir de l’écriture manuscrite en utilisant l’apprentissage profond. A cet effet, nous proposons en premier lieu de générer des images textures par genre à partir des échantillons d’écriture manuscrite. Nous associerons ensuite ces images à un Réseau de Neurones Convolutifs (CNN) afin d’extraire les caractéristiques propres à chaque genre.Enfin, nous proposons d’utiliser les filtres de Gabor avec les CNNs pour une meilleure ex-traction de caractéristiques. Les différents tests sont effectués sur deux bases de données standards. Les résultats obtenus sont très satisfaisants et prometteurs.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00079	PN00920	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

MAHTAL.Ryad_MEFTAH.Khalil.pdf URL

Combinaison de classifieurs basée sur les transformées multi-échelles pour la classification de tumeurs cérébrales / Khadidja Yasmine Bourega 

Public ISBD Titre : Combinaison de classifieurs basée sur les transformées multi-échelles pour la classification de tumeurs cérébrales Type de document : document électronique Auteurs : Khadidja Yasmine Bourega, Auteur ; Basma Mamareli, Auteur ; Nesrine Bouadjenek, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (16 M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 88 - 92 Langues : Français (fre) Mots-clés : Tumeur  cérébrale Magnétique  --  Imagerie  par  résonance SVM Transformées  multi-échelles Extraction  de  caractéristiques Combinaison  de  classifieurs Index. décimale : PN00420 Résumé : La classification des tumeurs cérébrales est une tâche cruciale pour évaluer les tumeurs et prendre une décision de traitement en fonction de leurs classes. Dans ce travail, nous proposons un nouveau modèle pour le système automatique de diagnostic de tumeur cérébrale à partir d’images IRM. Le système se compose de quatre étapes, à savoir le prétraitement, l’ex-traction des caractéristiques en utilisant trois transformées multi-échelles, la classification des images selon les différents types de tumeurs cérébrales à l’aide d’un classifieur Machine à vecteurs de support (SVM), et la combinaison parallèle de classifieurs. Dans le cadre de ce travail,nous utiliserons trois ensembles de données accessibles au public pour évaluer l’efficacité de la méthode proposée. La structure du système proposée atteint des performances significatives avec des précisions globales de 100%, 97.33%, 96.02% et 97.29% respectivement pour quatre études Combinaison de classifieurs basée sur les transformées multi-échelles pour la classification de tumeurs cérébrales [document électronique] / Khadidja Yasmine Bourega, Auteur ; Basma Mamareli, Auteur ; Nesrine Bouadjenek, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (16 M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 88 - 92 Langues : Français (fre) Mots-clés : Tumeur  cérébrale Magnétique  --  Imagerie  par  résonance SVM Transformées  multi-échelles Extraction  de  caractéristiques Combinaison  de  classifieurs Index. décimale : PN00420 Résumé : La classification des tumeurs cérébrales est une tâche cruciale pour évaluer les tumeurs et prendre une décision de traitement en fonction de leurs classes. Dans ce travail, nous proposons un nouveau modèle pour le système automatique de diagnostic de tumeur cérébrale à partir d’images IRM. Le système se compose de quatre étapes, à savoir le prétraitement, l’ex-traction des caractéristiques en utilisant trois transformées multi-échelles, la classification des images selon les différents types de tumeurs cérébrales à l’aide d’un classifieur Machine à vecteurs de support (SVM), et la combinaison parallèle de classifieurs. Dans le cadre de ce travail,nous utiliserons trois ensembles de données accessibles au public pour évaluer l’efficacité de la méthode proposée. La structure du système proposée atteint des performances significatives avec des précisions globales de 100%, 97.33%, 96.02% et 97.29% respectivement pour quatre études

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00074	PN00420	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

BOUREGA.Khadidja-Yasmine_MAMARELI.Basma.pdf URL

Détection de changement par images d’observation de la terre et techniques avancées d’apprentissage profond / Cylia Ouadah 

Public ISBD Titre : Détection de changement par images d’observation de la terre et techniques avancées d’apprentissage profond Type de document : document électronique Auteurs : Cylia Ouadah, Auteur ; Rachika El Hassna Hamadache, Auteur ; Meziane Iftene, Directeur de thèse ; Nesrine Bouadjenek, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (5.7 Mo) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 73 - 76 Langues : Français (fre) Mots-clés : Imagerie  satellitaire Détection  de  changement Apprentissage  profond Réseaux  de  neurones  convolutifs Apprentissage  par  transfert Index. décimale : PN01020 Résumé : Le progrès technologique qu’a connu le domaine de la vision par ordinateur et les nouvelles générations de satellites, a fait révolutionner la science de l’observation de la terre, en particulier la problématique de la détection de changement. A cet effet, notre travail met en avant ces technologies modernes et propose deux systèmes de détection de changement basés sur les réseaux de neurones entièrement convolutifs. La première approche «FCN-VGG-16 adapté comme extracteur de caractéristiques» présente une méthode non-supervisée exploitant l’extraction de caractéristiques de différentes couches d’un réseau VGG-16 adapté sans couches de Pooling. La seconde approche «FCN-Siamois ED&DI sans maxpooling» met en avant les performances d’un réseau siamois modifié entièrement convolutif, entrainé de façon end-to-end et utilisant les «long skip-connections » afin d’exploiter la distance euclidienne et la différence d’image pour la classification des pixels.L’entrainement de cette deuxième approche supervisée se réfère à une base de données créée par nous-mêmes,à partir des images satellites bitemporelles disponibles avec leurs cartes de changements respectives.L’évaluation des deux systèmes est faite sur trois datasets de différents types. Les différentes expériences menées sur cet ensemble d’images ont donné des résultats quantitatifs et visuels très prometteurs, et montrent l’efficacité des modèles proposés pour la détection de changement en milieu urbain et en milieu agricole. Détection de changement par images d’observation de la terre et techniques avancées d’apprentissage profond [document électronique] / Cylia Ouadah, Auteur ; Rachika El Hassna Hamadache, Auteur ; Meziane Iftene, Directeur de thèse ; Nesrine Bouadjenek, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (5.7 Mo) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 73 - 76 Langues : Français (fre) Mots-clés : Imagerie  satellitaire Détection  de  changement Apprentissage  profond Réseaux  de  neurones  convolutifs Apprentissage  par  transfert Index. décimale : PN01020 Résumé : Le progrès technologique qu’a connu le domaine de la vision par ordinateur et les nouvelles générations de satellites, a fait révolutionner la science de l’observation de la terre, en particulier la problématique de la détection de changement. A cet effet, notre travail met en avant ces technologies modernes et propose deux systèmes de détection de changement basés sur les réseaux de neurones entièrement convolutifs. La première approche «FCN-VGG-16 adapté comme extracteur de caractéristiques» présente une méthode non-supervisée exploitant l’extraction de caractéristiques de différentes couches d’un réseau VGG-16 adapté sans couches de Pooling. La seconde approche «FCN-Siamois ED&DI sans maxpooling» met en avant les performances d’un réseau siamois modifié entièrement convolutif, entrainé de façon end-to-end et utilisant les «long skip-connections » afin d’exploiter la distance euclidienne et la différence d’image pour la classification des pixels.L’entrainement de cette deuxième approche supervisée se réfère à une base de données créée par nous-mêmes,à partir des images satellites bitemporelles disponibles avec leurs cartes de changements respectives.L’évaluation des deux systèmes est faite sur trois datasets de différents types. Les différentes expériences menées sur cet ensemble d’images ont donné des résultats quantitatifs et visuels très prometteurs, et montrent l’efficacité des modèles proposés pour la détection de changement en milieu urbain et en milieu agricole.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00080	PN01020	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

OUADAH.Cylia_HAMADACHE.Rachika-Elhassna.pdf URL

Hybrid features fusion for writer identification usingsingle handwritten words / Rayane Kadem 

Public ISBD Titre : Hybrid features fusion for writer identification usingsingle handwritten words Type de document : document électronique Auteurs : Rayane Kadem, Auteur ; Yacine Rabehi, Auteur ; Nesrine Bouadjenek, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (5.6 M) Présentation : ill. Note générale : Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 80 - 84 Langues : Anglais (eng) Mots-clés : Writer  identification Handwriting MLOG Hybrid  features CNN Index. décimale : PN00720 Résumé : Handwriting as a part of behavioral biometrics has been proved to having the abilityto sufficiently differentiate any two individuals. Therefore, in this work, we proposea system for writer identification using single handwritten words. In this regard, wepropose, associated to Support Vector Machine (SVM) classifier, a hybrid features fusionthat combined features extracted from a new descriptor namely, Multiscale Local OrientedGradient (MLOG) and features generated from Convolutional Neural Network VGG-16.Two known approaches of writer identification were addressed: writer-dependent andwriter-independent. Experiments conducted on two standard datasets, showed satisfyingand very promising results Hybrid features fusion for writer identification usingsingle handwritten words [document électronique] / Rayane Kadem, Auteur ; Yacine Rabehi, Auteur ; Nesrine Bouadjenek, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (5.6 M) : ill. Mode d'accès : accès au texte intégral par intranet. Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 80 - 84 Langues : Anglais (eng) Mots-clés : Writer  identification Handwriting MLOG Hybrid  features CNN Index. décimale : PN00720 Résumé : Handwriting as a part of behavioral biometrics has been proved to having the abilityto sufficiently differentiate any two individuals. Therefore, in this work, we proposea system for writer identification using single handwritten words. In this regard, wepropose, associated to Support Vector Machine (SVM) classifier, a hybrid features fusionthat combined features extracted from a new descriptor namely, Multiscale Local OrientedGradient (MLOG) and features generated from Convolutional Neural Network VGG-16.Two known approaches of writer identification were addressed: writer-dependent andwriter-independent. Experiments conducted on two standard datasets, showed satisfyingand very promising results

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00077	PN00720	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

KADEM.Rayane_RABEHI.Yacine.pdf URL