| Titre : | Compression et décompression des données à l'aide d'architectures encodeur-décodeur |
| Auteurs : | AYMEN ZENDAGUI, Auteur ; Okba Tibemacine, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2021 |
| Format : | 1 vol. (48 p.) / ill. / 29 cm |
| Langues: | Français |
| Résumé : |
Dans ce travail le but est de créer un réseau de neurones profonds pour créer un auto-encodeur qui prend en entrée une image, Et qui va avoir en sortie une image reconstruite après décompression, En passant par un entrainement du modèle, Appliquant des couches de convolutions est déconvolutions.
Le système basé sur L’auto-encodeur permet de charger une image quelconque en entrée en cliquant sur un bouton développé en tkinter et de voir ensuite une image compressé affiché obtenue et en utilisant l’interface. Les résultats obtenus sont présentés dans l’interface. |
| Sommaire : |
Chapitre 1 : les réseaux de neurones profonds ........................ 8
Introduction : ............................................................................... 8 1. Des réseaux de neurones biologique aux perceptrons .......................... 8 2. Les réseaux de neurones artificiels ....................................... 8 3. Neurone formel ............................................. 9 4. Perceptron ........................................................ 9 4.1Perceptron multicouche ...................................... 10 5. Poids, biais, et fonctions d’activation ................................. 11 5.1.Fonction d'activation linéaire ................................................. 11 5.2.Fonctions d'activation non linéaires ................................. 12 5.3.Fonction d'activation sigmoïde ou logistique .......................... 12 5.4.Fonction d'activation Tanh ou tangente hyperbolique ................. 13 5.5.Fonction d'activation ReLU (Rectified Linear Unit) ............... 14 6. Rétropropagation .................................... 15 a) Fonctio............................ 15 b) Descente de gradient ........................................................ 16 7. Réseau................................. 16 8. La représentation des images par ordinateurs............................................................................ 16 9. Architecture des CNN ........................................ 17 10. Couche de convolution ........................................... 17 11. Couche de pooling .......................................................... 18 12. Couche entièrement connectée ......................................... 19 13. Applications des réseaux de neurones convolutifs .................. 20 13.1. Identification faciale .................................. 20 13.2.Analyse des documents............................... 21 13.3.Publicité ............................................. 21 13.4.Comprendre le climat.......................................... 22 13.5.Finance et économie : .................................................................. 23 Conclusion .................................................. 24 Chapitre 2 : Les Auto-encodeurs ............................................................ 25 1. Architecture des Auto-encodeurs ................................................ 25 1.1 Encodage ................................................................... 26 1.2 Décodage ..................................................................... 27 1.3 Fonction De Perte ..................................................... 27 2. Les types des Auto-Encodeurs .................................................... 28 2.1. Auto-encodeurs régularisés .................................................. 28 2.2. Auto-encodeurs variationnels .................................................. 29 2.3 Auto-encodeurs convolutifs ............................................................... 30 3. Applications Des Auto-Encodeurs ....................................... 30 3.1 Clustering ...................................................................... 30 3.2 Classification .......................................................... 31 3.3 Réduction de la dimensionnalité ................................................ 32 4.Compression d’image avec l’auto-encodeur .................................. 32 Conclusion ......................................................................... 34 Chapiter 3: Architecture d'autoencodeur pour la compression et la décompression d'images ... 35 Introduction : ..................................................................... 35 Architecture de compression décompression : .............................. 35 Conclusion ........................................................................... 37 Chapitre 4 : Mise en oeuvre et évaluation .................................... 37 Introduction ................................................................... 37 Langages, outils et bibliothèques......................................... 37 1. Métrique d’évaluation .............................................. 39 2. Entraînement et résultat de test ............................................. 39 3. Outil d’exploitation du modèle .................................. 40 3.1 Description .......................................................... 40 3.2 Exemples d’interface .......................................... 40 4. Conclusion ..................................................................... 45 Conclusion Géneral : ................................................... 46 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/684 | Mémoire master | bibliothèque sciences exactes | Consultable |
