Sub-Saharan Sheep Breeds classifcation and generation based on CNN and GANs / Mohamed Taher Kenniche

Public ISBD Titre : Sub-Saharan Sheep Breeds classifcation and generation based on CNN and GANs Type de document : document multimédia Auteurs : Mohamed Taher Kenniche, Auteur ; Ibrahim Yagoubi, Auteur ; Younes Guellouma, Directeur de thèse Editeur : Laghouat : Université Amar Telidji - Département d'informatique Année de publication : 2023 Importance : 69 p. Accompagnement : 1 disque optique numérique (CD-ROM) Note générale : Option : Decision-making Information Systems (Systèmes d'information et de décision) Langues : Anglais Mots-clés : CNN  Deep learning  GAN  Sheep breed Résumé : This thesis examines the application of “deep learning” techniques for computerized sheep breed identifcation. Traditional methods for identifying sheep breeds are Time-consuming and prone to errors. To confront this problem, we develop a robust deep learning model using Convolutional Neural Networks (CNN1s), “data-augmentation” and Generative Adversarial Networks (GAN2s). Our dataset of sheep images is used for training and adjusting the models. We compare the performance of our “deep learning” Procedure to traditional methods, taking into account factors such as image quality. The results show the Capability of deep learning to precisely recognize sheep breeds, which has benefts for livestock and Farming techniques. note de thèses : Mémoire de master en informatique Sub-Saharan Sheep Breeds classifcation and generation based on CNN and GANs [document multimédia] / Mohamed Taher Kenniche, Auteur ; Ibrahim Yagoubi, Auteur ; Younes Guellouma, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'informatique, 2023 . - 69 p. + 1 disque optique numérique (CD-ROM). Option : Decision-making Information Systems (Systèmes d'information et de décision) Langues : Anglais Mots-clés : CNN  Deep learning  GAN  Sheep breed Résumé : This thesis examines the application of “deep learning” techniques for computerized sheep breed identifcation. Traditional methods for identifying sheep breeds are Time-consuming and prone to errors. To confront this problem, we develop a robust deep learning model using Convolutional Neural Networks (CNN1s), “data-augmentation” and Generative Adversarial Networks (GAN2s). Our dataset of sheep images is used for training and adjusting the models. We compare the performance of our “deep learning” Procedure to traditional methods, taking into account factors such as image quality. The results show the Capability of deep learning to precisely recognize sheep breeds, which has benefts for livestock and Farming techniques. note de thèses : Mémoire de master en informatique

Réservation

Réserver ce document

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MF 02-60	MF 02-60	CD	BIBLIOTHEQUE DE FACULTE DES SCIENCES	théses (sci)	Disponible

---

page 1/1