Reconnaissance Automatique des Chiffres Manuscrites
Des informations générales:
Le niveau |
Master |
Titre |
Reconnaissance Automatique des Chiffres Manuscrites |
SPECIALITE |
Informatique Option : Modèle Intelligence et Décision (M.I.D) |
Page de garde:
Sommaire:
INTRODUCTION GENERALE
CHAPITRE I INTELLIGENCE ARTIFICIELLE
1. INTRODUCTION
2. DEFINITION DE L’IA
3. UNE COURTE HISTOIRE DE L’INTELLIGENCE ARTIFICIELLE :
4. RECONNAISSANCE DES FORMES
5. L’APPRENTISSAGE AUTOMATIQUE.
5.1. APPRENTISSAGE NON SUPERVISE
5.1.1. CLASSIFICATION ASCENDANTE HIERARCHIQUE (CAH) 5.1.2. METHODE DES K-MEANS
5.2. APPRENTISSAGE SUPERVISE
5.2.1. METHODES BASEES SUR L’APPRENTISSAGE INDUCTIF. A – MACHINE A VECTEURS DE SUPPORT (SVM) B-LES RESEAUX DE NEURONES
5.2.2. METHODES BASEES SUR L’APPRENTISSAGE DEDUCTIF
CONCLUSION
CHAPITRE II: TRAITEMENT D’IMAGE
1. INTRODUCTION
2. GENERALITES SUR L’IMAGE
2.1 DEFINITION DE L’IMAGE:
2.2 STRUCTURE D’UNE IMAGE:
2.3 PIXEL
2.4 TAILLE D’UNE IMAGE.
2.5 LES DIFFERENTS FORMATS D’IMAGES :
A. IMAGE MATRICIELLE :
B. IMAGE VECTORIELLE
3. CODAGES DES COULEURS
3.1 CODAGE D’UNE IMAGE EN NOIR ET BLANC
3.2 CODAGE D’UNE IMAGE EN NIVEAUX DE GRIS
3.3 CODAGE D’UNE IMAGE COULEUR.
4. TRAITEMENT OU PRETRAITEMENT :
4.1 ACQUISITION
4.2 REHAUSSEMENT :
4.3 RESTAURATION :.
4.4 COMPRESSION:
4.5 MORPHOLOGIE :
4.6 LA SEGMENTATION :
4.7 AMELIORATION:
4.8 REPRESENTATION ET DESCRIPTION :
4.9 RECONNAISSANCE D’OBJET :
CONCLUSION
CHAPITRE III: IMPLEMENTATION DE
L’APPLICATION.
1. INTRODUCTION
2. CONCEPTION DE L’APPLICATION.
3. BASE D’IMAGES.
A- DEFINITION
B-DESCRIPTION
C- PROPRIETES DES IMAGES.
4. RESEAUX DE NEURONES.
4.1 RESEAUX FEED-FORWARD ET RETRO-PROPAGATION ALGORITHME.
4.2 ARCHITECTURE DU RESEAU DE NEURONE
5. EXPERIMENTATION ET RESULTATS.
A) PARTIE 01:
B) PARTIE 02 :
5.1 PRECISION ET RAPPEL.
6. L’INTERFACE DE L’APPLICATION
6.1 MENU PRINCIPAL
6.2 MENUS DE L’APPLICATION
CONCLUSION
CONCLUSION GENERALE ET PERSPECTIVES
CONCLUSION GENERALE ET PERSPECTIVE:
REFERENCES
CHAPITRE I INTELLIGENCE ARTIFICIELLE
1. INTRODUCTION
2. DEFINITION DE L’IA
3. UNE COURTE HISTOIRE DE L’INTELLIGENCE ARTIFICIELLE :
4. RECONNAISSANCE DES FORMES
5. L’APPRENTISSAGE AUTOMATIQUE.
5.1. APPRENTISSAGE NON SUPERVISE
5.1.1. CLASSIFICATION ASCENDANTE HIERARCHIQUE (CAH) 5.1.2. METHODE DES K-MEANS
5.2. APPRENTISSAGE SUPERVISE
5.2.1. METHODES BASEES SUR L’APPRENTISSAGE INDUCTIF. A – MACHINE A VECTEURS DE SUPPORT (SVM) B-LES RESEAUX DE NEURONES
5.2.2. METHODES BASEES SUR L’APPRENTISSAGE DEDUCTIF
CONCLUSION
CHAPITRE II: TRAITEMENT D’IMAGE
1. INTRODUCTION
2. GENERALITES SUR L’IMAGE
2.1 DEFINITION DE L’IMAGE:
2.2 STRUCTURE D’UNE IMAGE:
2.3 PIXEL
2.4 TAILLE D’UNE IMAGE.
2.5 LES DIFFERENTS FORMATS D’IMAGES :
A. IMAGE MATRICIELLE :
B. IMAGE VECTORIELLE
3. CODAGES DES COULEURS
3.1 CODAGE D’UNE IMAGE EN NOIR ET BLANC
3.2 CODAGE D’UNE IMAGE EN NIVEAUX DE GRIS
3.3 CODAGE D’UNE IMAGE COULEUR.
4. TRAITEMENT OU PRETRAITEMENT :
4.1 ACQUISITION
4.2 REHAUSSEMENT :
4.3 RESTAURATION :.
4.4 COMPRESSION:
4.5 MORPHOLOGIE :
4.6 LA SEGMENTATION :
4.7 AMELIORATION:
4.8 REPRESENTATION ET DESCRIPTION :
4.9 RECONNAISSANCE D’OBJET :
CONCLUSION
CHAPITRE III: IMPLEMENTATION DE
L’APPLICATION.
1. INTRODUCTION
2. CONCEPTION DE L’APPLICATION.
3. BASE D’IMAGES.
A- DEFINITION
B-DESCRIPTION
C- PROPRIETES DES IMAGES.
4. RESEAUX DE NEURONES.
4.1 RESEAUX FEED-FORWARD ET RETRO-PROPAGATION ALGORITHME.
4.2 ARCHITECTURE DU RESEAU DE NEURONE
5. EXPERIMENTATION ET RESULTATS.
A) PARTIE 01:
B) PARTIE 02 :
5.1 PRECISION ET RAPPEL.
6. L’INTERFACE DE L’APPLICATION
6.1 MENU PRINCIPAL
6.2 MENUS DE L’APPLICATION
CONCLUSION
CONCLUSION GENERALE ET PERSPECTIVES
CONCLUSION GENERALE ET PERSPECTIVE:
REFERENCES
Télécharger:
Pour plus de
sources et références universitaires
(mémoires, thèses et articles
), consultez notre site principal.