Apply Deep Learning techniques on Date palm trees / Yacine Bensadok

Public ISBD Titre : Apply Deep Learning techniques on Date palm trees Type de document : texte manuscrit Auteurs : Yacine Bensadok, Auteur ; Mohamed Redha Bouzidi, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2022 Importance : 61 p. Format : 30 cm. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Information and decision systems (Systèmes d'information et de décision ) Langues : Anglais Mots-clés : Date palm  deep Learning  Transfer Learning  CNN  YOLO  YOLOv5  Date fruit  Pollination  Apprentissage en profondeur  Apprentissage par transfert  Palmier dattier  Dattes Résumé : The objective of this project is to implement a deep learning model for observing the state of the date palm flower, hoping to improve the production of date fruit, to detect the state of the (spathe) in images using ”Deep Learning” and ”Transfer Learning”. We gathered a dataset containing more than 19000 images for training. We then used Transfer Learning by modifying the weights of a pre-trained YOLO model. Satisfactory learning, testing, and validation results were obtained. note de thèses : Mémoire de master en informatique Apply Deep Learning techniques on Date palm trees [texte manuscrit] / Yacine Bensadok, Auteur ; Mohamed Redha Bouzidi, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2022 . - 61 p. ; 30 cm. + 1 disque optique numérique (CD-ROM). Option : Information and decision systems (Systèmes d'information et de décision ) Langues : Anglais Mots-clés : Date palm  deep Learning  Transfer Learning  CNN  YOLO  YOLOv5  Date fruit  Pollination  Apprentissage en profondeur  Apprentissage par transfert  Palmier dattier  Dattes Résumé : The objective of this project is to implement a deep learning model for observing the state of the date palm flower, hoping to improve the production of date fruit, to detect the state of the (spathe) in images using ”Deep Learning” and ”Transfer Learning”. We gathered a dataset containing more than 19000 images for training. We then used Transfer Learning by modifying the weights of a pre-trained YOLO model. Satisfactory learning, testing, and validation results were obtained. note de thèses : Mémoire de master en informatique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MF 02-49	MF 02-49	Thése	BIBLIOTHEQUE DE FACULTE DES SCIENCES	théses (sci)	Disponible

---

page 1/1