Multispectral Images Classification Using Convolution Neural Networks (Deep Learning)
| dc.contributor.author | Belhoucine, Yacine / Encadré par Bouchemha,Amel | |
| dc.date.accessioned | 2024-06-25T09:18:35Z | |
| dc.date.available | 2024-06-25T09:18:35Z | |
| dc.date.issued | 2020 | |
| dc.description.abstract | Le Deep Learning et plus particulièrement les réseaux de neurone convolutif ( CNN) sont apparus notamment pour résoudre les problèms rencontrés avec la machine learning. L’objectif de ce manuscrit était d’étudier l’application du deep Learning à la classification d’images à l’aide de réseaux de neurons convolutif. De plus, pour évaluer les performances de la classification,nous avons utilisés diverses combinaisons de couches cachées et d’époques. En outre, le réseau est formé à l’aide de plusieurs algorithms d’optimisation. Le langage de programmation python avec le Framework Tensorflow ont été utilisés. | |
| dc.description.provenance | Submitted by Tom User (dspacest@univ-tebessa.dz) on 2024-06-25T09:18:35Z No. of bitstreams: 1 MULTISPECTRAL_IMAGES_CLASSIFICATION_USING_CNN_DEEP_LEARNING.pdf: 4022511 bytes, checksum: e5ac9b97ee850fd2e1427e707453b006 (MD5) | en |
| dc.description.provenance | Made available in DSpace on 2024-06-25T09:18:35Z (GMT). No. of bitstreams: 1 MULTISPECTRAL_IMAGES_CLASSIFICATION_USING_CNN_DEEP_LEARNING.pdf: 4022511 bytes, checksum: e5ac9b97ee850fd2e1427e707453b006 (MD5) Previous issue date: 2020 | en |
| dc.identifier.uri | http//localhost:8080/jspui/handle/123456789/11472 | |
| dc.language.iso | fr | en_US |
| dc.publisher | UNIVERSITE DE ECHAHID CHEIKH LARBI TEBESSI | en_US |
| dc.title | Multispectral Images Classification Using Convolution Neural Networks (Deep Learning) | en_US |
| dc.type | Thesis | en_US |
Files
Original bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- MULTISPECTRAL_IMAGES_CLASSIFICATION_USING_CNN_DEEP_LEARNING.pdf
- Size:
- 3.84 MB
- Format:
- Adobe Portable Document Format
- Description:
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 1.71 KB
- Format:
- Item-specific license agreed upon to submission
- Description: