Documents disponibles écrits par cet auteur

Artificial intelligence-based system for accident prevention on railways / Hanane Hamar 

Public ISBD Titre : Artificial intelligence-based system for accident prevention on railways Type de document : document électronique Auteurs : Hanane Hamar, Auteur ; Sarah Si Youcef, Auteur ; Sid-Ahmed Berrani, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (13 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. 66 - 70 Langues : Anglais (eng) Mots-clés : Train Railway Computer  Vision Machine  learning Accident  prevention Object  Detection Evaluation Distance  Estimation Index. décimale : PN00620 Résumé : Railway transport suffers from a major problem which is accidents, where the losses in hu-man lives and the materials are enormous. To solve this problem or at least reduce the number of accidents, railway safety has proposednumerous initiatives with different methods and technologies. In this work, a method usingartificial intelligence is proposed. The system developed must comply with numerous conditions contrary to the systems de-signed for the autonomous vehicle sector. One of the key challenges is long-range obstacledetection. Sensor technology in current land transport research is able to look 200 m ahead. A system that combines two types of cameras; RGB and thermal; is suggested to consider thedifferent requirements. these ones consist of the different illumination and weather conditions,and also the range needed to detect obstacle on time. This work is divided into two parts. The first one is the obstacle detection. To do so,three common object detection algorithms have been evaluated and compared (effectivenessand efficiency comparison). The algorithm with the lowest FAR( false Alarm rate), the bestDR (Detection Rate), and that achieves the shortest execution time has been chosen. Theobjective is to build a reliable system that can operate in real-time.The second part focuses on the estimation of the distance between objects and the train usingthe DisNet algorithm. Here, two evaluation methods have been used in order to assess theprecision of the estimation. Artificial intelligence-based system for accident prevention on railways [document électronique] / Hanane Hamar, Auteur ; Sarah Si Youcef, Auteur ; Sid-Ahmed Berrani, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (13 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. 66 - 70 Langues : Anglais (eng) Mots-clés : Train Railway Computer  Vision Machine  learning Accident  prevention Object  Detection Evaluation Distance  Estimation Index. décimale : PN00620 Résumé : Railway transport suffers from a major problem which is accidents, where the losses in hu-man lives and the materials are enormous. To solve this problem or at least reduce the number of accidents, railway safety has proposednumerous initiatives with different methods and technologies. In this work, a method usingartificial intelligence is proposed. The system developed must comply with numerous conditions contrary to the systems de-signed for the autonomous vehicle sector. One of the key challenges is long-range obstacledetection. Sensor technology in current land transport research is able to look 200 m ahead. A system that combines two types of cameras; RGB and thermal; is suggested to consider thedifferent requirements. these ones consist of the different illumination and weather conditions,and also the range needed to detect obstacle on time. This work is divided into two parts. The first one is the obstacle detection. To do so,three common object detection algorithms have been evaluated and compared (effectivenessand efficiency comparison). The algorithm with the lowest FAR( false Alarm rate), the bestDR (Detection Rate), and that achieves the shortest execution time has been chosen. Theobjective is to build a reliable system that can operate in real-time.The second part focuses on the estimation of the distance between objects and the train usingthe DisNet algorithm. Here, two evaluation methods have been used in order to assess theprecision of the estimation.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00076	PN00620	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

HAMAR.Hanane_SI-YOUCEF.Sarah.pdf URL

Deep neural networks optimization for embedded platforms / Anouar Laouichi 

Public ISBD Titre : Deep neural networks optimization for embedded platforms Type de document : document électronique Auteurs : Anouar Laouichi, Auteur ; Abderrahim Benaouda, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Hamza Yous, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (6.1 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 - 92 Langues : Anglais (eng) Mots-clés : Artificial  intelligence Deep  Neural Embedded  Systems Inference Networks Pruning Quantization Object  detection Pytorch Index. décimale : PN00820 Résumé : This project deals with the optimization of Deep Neural Networks for efficientembedded inference. Network Pruning and Quantization techniques are implemented underthe PyTorch environment and benchmarked on ResNet50. The obtained results, consisting ofcompression and speed-up rates, successfully validate the feasibility and the effectiveness of theconcept. To show their practical potential, the two schemes have been applied on RetinaNetobject detector. Additionally, this work demonstrates that inference can be performed at theedge by reducing the model’s memory footprint and the processing time, resulting in reducedlatency and energy consumption as well as improved data security. Hence, new horizons ofapplications in embedded systems are opened up Deep neural networks optimization for embedded platforms [document électronique] / Anouar Laouichi, Auteur ; Abderrahim Benaouda, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Hamza Yous, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (6.1 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 - 92 Langues : Anglais (eng) Mots-clés : Artificial  intelligence Deep  Neural Embedded  Systems Inference Networks Pruning Quantization Object  detection Pytorch Index. décimale : PN00820 Résumé : This project deals with the optimization of Deep Neural Networks for efficientembedded inference. Network Pruning and Quantization techniques are implemented underthe PyTorch environment and benchmarked on ResNet50. The obtained results, consisting ofcompression and speed-up rates, successfully validate the feasibility and the effectiveness of theconcept. To show their practical potential, the two schemes have been applied on RetinaNetobject detector. Additionally, this work demonstrates that inference can be performed at theedge by reducing the model’s memory footprint and the processing time, resulting in reducedlatency and energy consumption as well as improved data security. Hence, new horizons ofapplications in embedded systems are opened up

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00078	PN00820	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

LAOUICHI.Anouar_BENAOUDA.Abderrahim.pdf URL

Navigation visuelle autonome de drone en milieu fermé / Mohamed Nabil Tchoulak 

Public ISBD Titre : Navigation visuelle autonome de drone en milieu fermé Type de document : document électronique Auteurs : Mohamed Nabil Tchoulak, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Saïd Yahiaoui, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (24 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.94 - 102 . Annexe f. 103 - 113 Langues : Français (fre) Mots-clés : Drones  autonomes Perception  visuelle Exploration  des  milieux  inconnues Recherche  et  sauvetage Réseaux  de  neurones  convolutifs Index. décimale : PN01420 Résumé : La navigation visuelle présente un axe de recherche et développement très actif dans la robotique aérienne, motivé par les grandes innovations observées dans la vision par ordinateur et les avantages qu’offrent les drones.Ces derniers se voient de plus en plus utilisés dans d’innombrables applications, comme l’intervention dans les catastrophes naturelles qui peut être vue comme un bon défi de navigation caractérisé par des conditions extrêmes. Nous présentons une solution pour la navigation autonome dans des milieux fermés, caractérisée par une procédure d’exploration qui optimise la distance parcourue à l’aide du principe Next Best View. Elle repose sur l’estimation de la position et la modélisation de l’environnement fournies par un algorithme de perception visuelle SVO, en utilisant une caméra monoculaire et une centrale inertielle IMU. Le flux de cette caméra sert aussi à détecter et localiser les formes humaines à l’aide d’un réseau de neurones convolutifs, ce qui permet de rapporter la position des sur vivants après une catastrophe naturelle. Les trois parties qui constituent l’approche ont été implémentées et évaluées afin de fournir une preuve de concept de la solution proposée. Navigation visuelle autonome de drone en milieu fermé [document électronique] / Mohamed Nabil Tchoulak, Auteur ; Sid-Ahmed Berrani, Directeur de thèse ; Saïd Yahiaoui, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (24 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.94 - 102 . Annexe f. 103 - 113 Langues : Français (fre) Mots-clés : Drones  autonomes Perception  visuelle Exploration  des  milieux  inconnues Recherche  et  sauvetage Réseaux  de  neurones  convolutifs Index. décimale : PN01420 Résumé : La navigation visuelle présente un axe de recherche et développement très actif dans la robotique aérienne, motivé par les grandes innovations observées dans la vision par ordinateur et les avantages qu’offrent les drones.Ces derniers se voient de plus en plus utilisés dans d’innombrables applications, comme l’intervention dans les catastrophes naturelles qui peut être vue comme un bon défi de navigation caractérisé par des conditions extrêmes. Nous présentons une solution pour la navigation autonome dans des milieux fermés, caractérisée par une procédure d’exploration qui optimise la distance parcourue à l’aide du principe Next Best View. Elle repose sur l’estimation de la position et la modélisation de l’environnement fournies par un algorithme de perception visuelle SVO, en utilisant une caméra monoculaire et une centrale inertielle IMU. Le flux de cette caméra sert aussi à détecter et localiser les formes humaines à l’aide d’un réseau de neurones convolutifs, ce qui permet de rapporter la position des sur vivants après une catastrophe naturelle. Les trois parties qui constituent l’approche ont été implémentées et évaluées afin de fournir une preuve de concept de la solution proposée.

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00084	PN01420	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

TCHOULAK.Mohamed-Nabil.pdf URL