Classification des images sonifiées à l’aide d’un réseau de neurone convolutif
No Thumbnail Available
Date
2024-10-02
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
FGEI.UMMTO
Abstract
Le mémoire traite de l'application des réseaux de neurones convolutifs (CNN) et de la sonification pour classifier des images. Il explore d'abord les CNN, une technique clé en apprentissage profond utilisée pour extraire des caractéristiques complexes à partir d'images. Plusieurs architectures célèbres comme LeNet-5, AlexNet, et ResNet sont détaillées. Ensuite, le mémoire se penche sur la sonification, une méthode qui permet de transformer des images en sons, rendant l'information visuelle accessible aux personnes malvoyantes. Cette partie présente les bases des signaux sonores et les techniques de sonification d’images. Enfin, une méthode combinant la sonification et les CNN est proposée pour classifier des images de pilules pharmaceutiques. La technique de sonification utilisée repose sur la transformée en ondelettes (CWT), et le modèle CNN MobileNetV2 est employé pour la classification. Les résultats obtenus sur des images sonifiées sont comparés à ceux des images brutes, offrant des perspectives pour l’amélioration de l'accessibilité des données visuelles.
Description
66 p. : ill. ; 30 cm. (+ CD-Rom)
Keywords
Réseaux de neurones convolutifs (CNN), Sonification, Transformée de Fourier, Transformée en ondelettes (CWT), MobileNetV2, Classification des images, Accessibilité visuelle, Apprentissage profond
Citation
Automatique et Systèmes