ETUDE COMPARATIVE DE LA PERFORMANCE DES RESEAUX DE CAPSULES POUR LA DETECTION DES RETINOPATHIES DIABETIQUES / Innocent Nizeyimana (2021) 

Public ISBD Titre : ETUDE COMPARATIVE DE LA PERFORMANCE DES RESEAUX DE CAPSULES POUR LA DETECTION DES RETINOPATHIES DIABETIQUES Type de document : texte imprimé Auteurs : Innocent Nizeyimana, Auteur Editeur : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique Année de publication : 2021 Importance : 46 P. Format : 29 cm Langues : Français (fre) Mots-clés : Rétinopathie diabétique  algorithme de classification  algorithme  classification  réseau de neurones convolutifs  réseau de neurones  réseau de capsules  CapsNet  ConvNet Résumé : La Rétinopathie diabétique est l’une des causes de perte de vision chez les diabétiques et la principale cause de cécité chez les personnes adultes. Les nouvelles méthodes de détection des pathologies rétiniennes utilisent les algorithmes de classification basées essentiellement sur les réseaux de neurones convolutifs (ConvNet). Ces derniers présentent les limites notamment pour la reconnaissance d’images à savoir la prise en compte des informations contextuelles sur les caractéristiques extraites, notamment leur organisation spatiale et hiérarchique au sein de l’image. L’utilisation des réseaux de capsules basés sur l’approche de routage dynamique entre les capsules (CapsNet) permet de dépasser les limites des ConvNet. La comparaison des architectures, ConvNet et CapsNet, après entrainement et validation sur les jeux de données de différentes tailles, à base de photographies en couleur du fond d’oeil, montre que l’architecture CapsNet est aussi performante sur les jeux de données de petite taille que sur les jeux de données de grande taille alors que l’architecture ConvNet l’est moins pour les jeux de données de petite taille que sur les jeux de données de grande taille. Ces résultats indiquent que l’utilisation des réseaux de capsules pour la détection de la rétinopathie diabétique est très prometteuse Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=799 ETUDE COMPARATIVE DE LA PERFORMANCE DES RESEAUX DE CAPSULES POUR LA DETECTION DES RETINOPATHIES DIABETIQUES [texte imprimé] / Innocent Nizeyimana, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 2021 . - 46 P. ; 29 cm. Langues : Français (fre) Mots-clés : Rétinopathie diabétique  algorithme de classification  algorithme  classification  réseau de neurones convolutifs  réseau de neurones  réseau de capsules  CapsNet  ConvNet Résumé : La Rétinopathie diabétique est l’une des causes de perte de vision chez les diabétiques et la principale cause de cécité chez les personnes adultes. Les nouvelles méthodes de détection des pathologies rétiniennes utilisent les algorithmes de classification basées essentiellement sur les réseaux de neurones convolutifs (ConvNet). Ces derniers présentent les limites notamment pour la reconnaissance d’images à savoir la prise en compte des informations contextuelles sur les caractéristiques extraites, notamment leur organisation spatiale et hiérarchique au sein de l’image. L’utilisation des réseaux de capsules basés sur l’approche de routage dynamique entre les capsules (CapsNet) permet de dépasser les limites des ConvNet. La comparaison des architectures, ConvNet et CapsNet, après entrainement et validation sur les jeux de données de différentes tailles, à base de photographies en couleur du fond d’oeil, montre que l’architecture CapsNet est aussi performante sur les jeux de données de petite taille que sur les jeux de données de grande taille alors que l’architecture ConvNet l’est moins pour les jeux de données de petite taille que sur les jeux de données de grande taille. Ces résultats indiquent que l’utilisation des réseaux de capsules pour la détection de la rétinopathie diabétique est très prometteuse Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=799

Réservation

Réserver ce document

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MEM 10584	MEM 10584	Mémoires de master	Master mathématiques et Informatique	Bioinformatique	Disponible

Documents numériques

MEM 10584 Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200