BIO-INSPIRED DEEP LEARNING MODEL FOR OBJECT RECOGNITION / Omar Hernoune  

Public ISBD Titre : BIO-INSPIRED DEEP LEARNING MODEL FOR OBJECT RECOGNITION Type de document : texte imprimé Auteurs : Omar Hernoune, Auteur ; Aymen Meskher ; Hadi, Fairouz, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (70 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bio-inspiré Apprentissage en profondeur Réseaux de neurones convolutionnels Reconnaissance d’objets Algorithme g´en´etique Index. décimale : 004 - Informatique Résumé : La reconnaissance d’objets joue un rˆole crucial dans les applications de vision par ordinateur, et les mod`eles d’apprentissage en profondeur, en particulier les r´eseaux de neurones convolutionnels, ont montr´e un succ`es remarquable dans ce domaine. Cependant, pour obtenir des performances optimales dans les CNN, il est essentiel de s´electionner des hyperparam`etres appropri´es, tels que le taux d’apprentissage, le nombre et la taille des filtres. Dans cette ´etude, nous proposons un mod`ele d’apprentissage en profondeur inspir´e de la biologie qui exploite quatre algorithmes d’optimisation diff´erents : l’algorithme g´en´etique, l’optimisation par essaim de particules, l’optimiseur du loup gris et l’optimiseur de veuve noire, pour optimiser ces hyperparam`etres afin d’am´eliorer la reconnaissance d’objets. Les algorithmes d’optimisation inspir´es de la biologie imitent les comportements des syst`emes biologiques et ont d´emontr´e leur efficacit´e dans la r´esolution de probl`emes d’optimisation complexes. Dans cette recherche, nous comparons les performances de ces quatre algorithmes en ´evaluant leur capacit´e `a trouver des hyperparam`etres optimaux pour le mod`ele CNN. Les exp´eriences sont men´ees `a l’aide d’un ensemble de donn´ees de r´ef´erence pour les tˆaches de reconnaissance d’objets. A travers des m´etriques d’´evaluation compl`etes, comprenant la pr´ecision de ` reconnaissance, la convergence de l’apprentissage et l’efficacit´e computationnelle, nous ´evaluons les performances de ces algorithmes dans l’optimisation des hyperparam`etres pour les tˆaches de reconnaissance d’objets. Cette ´etude fournit des informations pr´ecieuses sur les forces et les limites des diff´erents algorithmes d’optimisation inspir´es de la biologie dans le contexte des mod`eles d’apprentissage en profondeur pour la reconnaissance d’objets = Object recognition plays a crucial role in computer vision applications, and deep learning models, particularly Convolutional Neural Networks (CNNs), have shown remarkable success in this domain. However, achieving optimal performance in CNNs heavily relies on selecting appropriate hyperparameters, such as the learning rate and the number and size of filters. In this study, we propose a bio-inspired deep learning model that leverages four different optimization algorithms : Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Grey Wolf Optimizer (GWO), and Black Widow Optimizer (BWO), to optimize these hyperparameters for enhanced object recognition. The bio-inspired optimization algorithms mimic the behaviors of biological systems and have demonstrated effectiveness in solving complex optimization problems. In this research, we compare the performance of these four algorithms by evaluating their ability to find optimal hyperparameters for the CNN model. The experiments are conducted using a benchmark dataset for object recognition tasks. Through comprehensive evaluation metrics, including recognition accuracy, training convergence, and computational efficiency, we assess the performance of these algorithms in optimizing hyperparameters for object recognition tasks. This study provides valuable insights into the strengths and limitations of different bioinspired optimization algorithms in the context of deep learning models for object recognition. Côte titre : MAI/0812 En ligne : https://drive.google.com/file/d/1sLUHZ_vdsVpI4vQoM-k4bmHSqb5izt1v/view?usp=drive [...] Format de la ressource électronique : pdf BIO-INSPIRED DEEP LEARNING MODEL FOR OBJECT RECOGNITION [texte imprimé] / Omar Hernoune, Auteur ; Aymen Meskher ; Hadi, Fairouz, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (70 f.) ; 29 cm. Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bio-inspiré Apprentissage en profondeur Réseaux de neurones convolutionnels Reconnaissance d’objets Algorithme g´en´etique Index. décimale : 004 - Informatique Résumé : La reconnaissance d’objets joue un rˆole crucial dans les applications de vision par ordinateur, et les mod`eles d’apprentissage en profondeur, en particulier les r´eseaux de neurones convolutionnels, ont montr´e un succ`es remarquable dans ce domaine. Cependant, pour obtenir des performances optimales dans les CNN, il est essentiel de s´electionner des hyperparam`etres appropri´es, tels que le taux d’apprentissage, le nombre et la taille des filtres. Dans cette ´etude, nous proposons un mod`ele d’apprentissage en profondeur inspir´e de la biologie qui exploite quatre algorithmes d’optimisation diff´erents : l’algorithme g´en´etique, l’optimisation par essaim de particules, l’optimiseur du loup gris et l’optimiseur de veuve noire, pour optimiser ces hyperparam`etres afin d’am´eliorer la reconnaissance d’objets. Les algorithmes d’optimisation inspir´es de la biologie imitent les comportements des syst`emes biologiques et ont d´emontr´e leur efficacit´e dans la r´esolution de probl`emes d’optimisation complexes. Dans cette recherche, nous comparons les performances de ces quatre algorithmes en ´evaluant leur capacit´e `a trouver des hyperparam`etres optimaux pour le mod`ele CNN. Les exp´eriences sont men´ees `a l’aide d’un ensemble de donn´ees de r´ef´erence pour les tˆaches de reconnaissance d’objets. A travers des m´etriques d’´evaluation compl`etes, comprenant la pr´ecision de ` reconnaissance, la convergence de l’apprentissage et l’efficacit´e computationnelle, nous ´evaluons les performances de ces algorithmes dans l’optimisation des hyperparam`etres pour les tˆaches de reconnaissance d’objets. Cette ´etude fournit des informations pr´ecieuses sur les forces et les limites des diff´erents algorithmes d’optimisation inspir´es de la biologie dans le contexte des mod`eles d’apprentissage en profondeur pour la reconnaissance d’objets = Object recognition plays a crucial role in computer vision applications, and deep learning models, particularly Convolutional Neural Networks (CNNs), have shown remarkable success in this domain. However, achieving optimal performance in CNNs heavily relies on selecting appropriate hyperparameters, such as the learning rate and the number and size of filters. In this study, we propose a bio-inspired deep learning model that leverages four different optimization algorithms : Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Grey Wolf Optimizer (GWO), and Black Widow Optimizer (BWO), to optimize these hyperparameters for enhanced object recognition. The bio-inspired optimization algorithms mimic the behaviors of biological systems and have demonstrated effectiveness in solving complex optimization problems. In this research, we compare the performance of these four algorithms by evaluating their ability to find optimal hyperparameters for the CNN model. The experiments are conducted using a benchmark dataset for object recognition tasks. Through comprehensive evaluation metrics, including recognition accuracy, training convergence, and computational efficiency, we assess the performance of these algorithms in optimizing hyperparameters for object recognition tasks. This study provides valuable insights into the strengths and limitations of different bioinspired optimization algorithms in the context of deep learning models for object recognition. Côte titre : MAI/0812 En ligne : https://drive.google.com/file/d/1sLUHZ_vdsVpI4vQoM-k4bmHSqb5izt1v/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0812	MAI/0812	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

Détection des objets dans des images / Belmahdi, Zakaria borhane eddine  

Public ISBD Titre : Détection des objets dans des images Type de document : texte imprimé Auteurs : Belmahdi, Zakaria borhane eddine, Auteur ; Hadi, Fairouz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (75 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Traitement d’image Vision par ordinateur Boint d’intérêt Index. décimale : 004 - Informatique Résumé : Ce mémoire s’inscrit dans la problématique de la détection des objets dans des images. Le travail présenté dans ce mémoire a pour objectif de faire une étude comparative entre les différents algorithmes : SIFT, SURF, AKAZE, BRISK, KAZE, ORB et FREAK Côte titre : MAI/0358 En ligne : https://drive.google.com/file/d/15u3Wwve817st3dq3Zo9QDxHft0fL_HkK/view?usp=shari [...] Format de la ressource électronique : pdf Détection des objets dans des images [texte imprimé] / Belmahdi, Zakaria borhane eddine, Auteur ; Hadi, Fairouz, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (75 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Traitement d’image Vision par ordinateur Boint d’intérêt Index. décimale : 004 - Informatique Résumé : Ce mémoire s’inscrit dans la problématique de la détection des objets dans des images. Le travail présenté dans ce mémoire a pour objectif de faire une étude comparative entre les différents algorithmes : SIFT, SURF, AKAZE, BRISK, KAZE, ORB et FREAK Côte titre : MAI/0358 En ligne : https://drive.google.com/file/d/15u3Wwve817st3dq3Zo9QDxHft0fL_HkK/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0358	MAI/0358	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

DriveCare: An application for personalized car maintenance / Oumaima Merras

Public ISBD Titre : DriveCare: An application for personalized car maintenance Type de document : texte imprimé Auteurs : Oumaima Merras, Auteur ; Assala Meddour ; Hadi, Fairouz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2024 Importance : 1 vol (41 f .) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Maintenance Vehicles Drivers Mobile application Android Information Technology Index. décimale : 004 - Informatique Résumé : The automotive industry faces many challenges when it comes to vehicle maintenance. First, many owners neglect the regular maintenance of their vehicle, which can lead to long-term reliability and performance issues. Moreover, it is often difficult for vehicle owners to keep a complete record of their car’s maintenance history, making maintenance planning and tracking complex. Finally, most owners lack access to customized maintenance advice based on their vehicle model, mileage, and usage. To address these problems, DriveCare offers an innovative solution that aims to simplify automotive maintenance management. First, the application provides personalized maintenance reminders based on the manufacturer’s recommendations and the vehicle’s usage profile. It also allows for detailed recording of the complete maintenance history, facilitating future planning. Additionally, DriveCare offers personalized maintenance advice based on vehicle data, helping owners optimize the performance and durability of their car. Beyond these key features, DriveCare also integrates location-based services to help users easily find nearby automotive repair centers. The application also provides alerts on vehicle-related safety recalls, allowing owners to stay informed about any potential safety issues. Note de contenu : Sommaire GENERAL INTRODUCTION 1 1 THE IMPACT OF TECHNOLOGICAL SOLUTIONS ON AUTOMOTIVE MAINTENANCE 4 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 Mobile applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 Strategies for mobile application development . . . . . . . . . . . . . . . 6 1.4 The Relevance of Mobile andWeb Applications in the Automotive Maintenance Domain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.5 Examples of popular mobile applications for car maintenance . . . . . . . 8 1.6 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2 ANALYSIS AND DESIGN 12 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.2 Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.2.1 Identification of actors . . . . . . . . . . . . . . . . . . . . . . . 13 2.2.2 Requirements specification . . . . . . . . . . . . . . . . . . . . . 13 2.2.3 Use case diagram . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2.4 Use case description . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2.5 Sequence diagrams . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2.6 Activity diagram . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.2.7 Class diagram . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3 IMPLEMENTATION AND RESULTS 26 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.2 Tools and technologies used . . . . . . . . . . . . . . . . . . . . . . . . 26 3.3 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.3.1 The DriveCare logo . . . . . . . . . . . . . . . . . . . . . . . . 27 3.3.2 Our web site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.3.3 Our mobile application . . . . . . . . . . . . . . . . . . . . . . 28 3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 GENERAL CONCLUSION 39 Côte titre : MAI/0872 DriveCare: An application for personalized car maintenance [texte imprimé] / Oumaima Merras, Auteur ; Assala Meddour ; Hadi, Fairouz, Directeur de thèse . - [S.l.] : Setif:UFA, 2024 . - 1 vol (41 f .) ; 29 cm. Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Maintenance Vehicles Drivers Mobile application Android Information Technology Index. décimale : 004 - Informatique Résumé : The automotive industry faces many challenges when it comes to vehicle maintenance. First, many owners neglect the regular maintenance of their vehicle, which can lead to long-term reliability and performance issues. Moreover, it is often difficult for vehicle owners to keep a complete record of their car’s maintenance history, making maintenance planning and tracking complex. Finally, most owners lack access to customized maintenance advice based on their vehicle model, mileage, and usage. To address these problems, DriveCare offers an innovative solution that aims to simplify automotive maintenance management. First, the application provides personalized maintenance reminders based on the manufacturer’s recommendations and the vehicle’s usage profile. It also allows for detailed recording of the complete maintenance history, facilitating future planning. Additionally, DriveCare offers personalized maintenance advice based on vehicle data, helping owners optimize the performance and durability of their car. Beyond these key features, DriveCare also integrates location-based services to help users easily find nearby automotive repair centers. The application also provides alerts on vehicle-related safety recalls, allowing owners to stay informed about any potential safety issues. Note de contenu : Sommaire GENERAL INTRODUCTION 1 1 THE IMPACT OF TECHNOLOGICAL SOLUTIONS ON AUTOMOTIVE MAINTENANCE 4 1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 Mobile applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 Strategies for mobile application development . . . . . . . . . . . . . . . 6 1.4 The Relevance of Mobile andWeb Applications in the Automotive Maintenance Domain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.5 Examples of popular mobile applications for car maintenance . . . . . . . 8 1.6 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 1.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2 ANALYSIS AND DESIGN 12 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.2 Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.2.1 Identification of actors . . . . . . . . . . . . . . . . . . . . . . . 13 2.2.2 Requirements specification . . . . . . . . . . . . . . . . . . . . . 13 2.2.3 Use case diagram . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2.4 Use case description . . . . . . . . . . . . . . . . . . . . . . . . 15 2.2.5 Sequence diagrams . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2.6 Activity diagram . . . . . . . . . . . . . . . . . . . . . . . . . . 21 2.2.7 Class diagram . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3 IMPLEMENTATION AND RESULTS 26 3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26 3.2 Tools and technologies used . . . . . . . . . . . . . . . . . . . . . . . . 26 3.3 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.3.1 The DriveCare logo . . . . . . . . . . . . . . . . . . . . . . . . 27 3.3.2 Our web site . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.3.3 Our mobile application . . . . . . . . . . . . . . . . . . . . . . 28 3.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 GENERAL CONCLUSION 39 Côte titre : MAI/0872

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0872	MAI/0872	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

Etude comparative entre les différents algorithmes de détection de points d’intérêt / Boussouf ,Yaakoub  

Public ISBD Titre : Etude comparative entre les différents algorithmes de détection de points d’intérêt Type de document : texte imprimé Auteurs : Boussouf ,Yaakoub, Auteur ; Hadi, Fairouz, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (57 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : La vision par ordinateur est un domaine de la science de l’informatique qui permet aux ordinateurs d’identifier et de comprendre les objets et les personnes dans les images et les vidéos. Comme les autres types d’IA, la vision par ordinateur cherche à exécuter et à automatiser les tâches qui répliquent les capacités humaines. Ce mémoire s’inscrit dans la problématique de la détection des objets dans des images. Le travail présenté dans ce mémoire a pour objectif de faire une étude comparative entre les différents algorithmes : SIFT, SURF, AKAZE, BRISK, KAZE, ORB et FREAK . Nous avons utilisé des photos récentes de cas de maladie corona. Côte titre : MAI/0548 En ligne : https://drive.google.com/file/d/1S5goTFHE6jiuHXLTawg3d4UF6y8_vIBF/view?usp=shari [...] Format de la ressource électronique : pdf Etude comparative entre les différents algorithmes de détection de points d’intérêt [texte imprimé] / Boussouf ,Yaakoub, Auteur ; Hadi, Fairouz, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (57 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 - Informatique Résumé : La vision par ordinateur est un domaine de la science de l’informatique qui permet aux ordinateurs d’identifier et de comprendre les objets et les personnes dans les images et les vidéos. Comme les autres types d’IA, la vision par ordinateur cherche à exécuter et à automatiser les tâches qui répliquent les capacités humaines. Ce mémoire s’inscrit dans la problématique de la détection des objets dans des images. Le travail présenté dans ce mémoire a pour objectif de faire une étude comparative entre les différents algorithmes : SIFT, SURF, AKAZE, BRISK, KAZE, ORB et FREAK . Nous avons utilisé des photos récentes de cas de maladie corona. Côte titre : MAI/0548 En ligne : https://drive.google.com/file/d/1S5goTFHE6jiuHXLTawg3d4UF6y8_vIBF/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0548	MAI/0548	Mémoire	Bibliothéque des sciences	Français	Disponible Disponible

Indexation des bases de données images / Hadi, Fairouz  

Public ISBD Titre : Indexation des bases de données images Type de document : texte imprimé Auteurs : Hadi, Fairouz, Auteur ; Aliouat ,Zibouda, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (136 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : CBIR Big Data Arbre de décision DICOM Tolérance aux pannesDisponibilité Index. décimale : 004 - Informatique Résumé : Cette thèse s’inscrit dans la problématique de l’indexation et la recherche d’images par le contenu dans des bases d’images volumineuses. Le travail a pour objectif de minimiser le temps de réponse pour une requête donnée et de combler le vide sémantique. Cette contribution originale consiste en la proposition d’une nouvelle plateforme de recherche d'informations dans des bases de données constituées de fichiers DICOM (Digital Imaging COmmunication in Medicine). Ces fichiers contiennent plusieurs images et informations cliniques contextuelles sur un patient. Notre but est de sélectionner des images de ces fichiers similaires à une image proposée dans une requête, en utilisant le principe de la récupération d'image basée sur le contenu (CBIR). L'objectif principal est d'aider les radiologues à diagnostiquer les images médicales. Le traitement d'images médicales nécessite la manipulation d'une énorme quantité de données, que nous appellerons «Big Data». Les Big Data non structurés peuvent créer des problèmes liés à la latence. Les architectures distribuées basées sur le parallélisme peuvent atténuer cette latence. De plus, la disponibilité de l'image en cas de défaillance d'un serveur dans un système aussi énorme augmente le temps de latence. Pour résoudre les défis de la latence dans le traitement d'images dans un énorme système, nous proposons une plateforme en tant que service pour le Cloud computing, basée sur un arbre de décision. Les serveurs de cette plate-forme sont distribués et fonctionnent de manière parallèle. De plus, un système tolérant aux pannes est proposé pour garantir la disponibilité des images et minimiser la latence de récupération des images en cas de défaillance du serveur. Côte titre : DI/0050 En ligne : https://drive.google.com/file/d/1-ACezdhr5ZQ2DUQIRolfLeOWXdXDZ5xl/view?usp=shari [...] Format de la ressource électronique : pdf Indexation des bases de données images [texte imprimé] / Hadi, Fairouz, Auteur ; Aliouat ,Zibouda, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (136 f .) ; 29 cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : CBIR Big Data Arbre de décision DICOM Tolérance aux pannesDisponibilité Index. décimale : 004 - Informatique Résumé : Cette thèse s’inscrit dans la problématique de l’indexation et la recherche d’images par le contenu dans des bases d’images volumineuses. Le travail a pour objectif de minimiser le temps de réponse pour une requête donnée et de combler le vide sémantique. Cette contribution originale consiste en la proposition d’une nouvelle plateforme de recherche d'informations dans des bases de données constituées de fichiers DICOM (Digital Imaging COmmunication in Medicine). Ces fichiers contiennent plusieurs images et informations cliniques contextuelles sur un patient. Notre but est de sélectionner des images de ces fichiers similaires à une image proposée dans une requête, en utilisant le principe de la récupération d'image basée sur le contenu (CBIR). L'objectif principal est d'aider les radiologues à diagnostiquer les images médicales. Le traitement d'images médicales nécessite la manipulation d'une énorme quantité de données, que nous appellerons «Big Data». Les Big Data non structurés peuvent créer des problèmes liés à la latence. Les architectures distribuées basées sur le parallélisme peuvent atténuer cette latence. De plus, la disponibilité de l'image en cas de défaillance d'un serveur dans un système aussi énorme augmente le temps de latence. Pour résoudre les défis de la latence dans le traitement d'images dans un énorme système, nous proposons une plateforme en tant que service pour le Cloud computing, basée sur un arbre de décision. Les serveurs de cette plate-forme sont distribués et fonctionnent de manière parallèle. De plus, un système tolérant aux pannes est proposé pour garantir la disponibilité des images et minimiser la latence de récupération des images en cas de défaillance du serveur. Côte titre : DI/0050 En ligne : https://drive.google.com/file/d/1-ACezdhr5ZQ2DUQIRolfLeOWXdXDZ5xl/view?usp=shari [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
DI/0050	DI/0050	Thèse	Bibliothéque des sciences	Français	Disponible Disponible

Indexation et recherche d’images par le contenu / Benimeur,Leila  

Permalink

Recuperation d'images basee sur le contenu / Menaa ,Mohamed Elamine  

Permalink

Retrieval of medical images using deep learning / Abir Sebai

Permalink

The integration of deep learning and bio-inspired principles in diagnostic aid systems for a significant improvement in healthcare / Nadjet Bouyahia

Permalink

---

1 (1 - 9 / 9)