Afficher la notice abrégée
dc.contributor.author |
Yousfi, Douaâ |
|
dc.date.accessioned |
2022-03-08T07:44:14Z |
|
dc.date.available |
2022-03-08T07:44:14Z |
|
dc.date.issued |
2019 |
|
dc.identifier.uri |
http//localhost:8080/jspui/handle/123456789/1827 |
|
dc.description.abstract |
Le travail présenté de ce mémoire de fin d’étude consiste à proposer un modèle basé sur les réseaux de neurones de convolution (CNN) pour la vérification de signature hors ligne indépendante de signataire (WI-OSV).
Le modèle proposé constitué de onze (11) couches dont 5 couches de convolution en alternatifs avec 5 autres couches de pooling en finissons par un dernier couche de type entièrement connectée. La base de données ICDAR 2011 sigComp est utilisée pour l’ensemble d’expérimentations et pour la validation de modèle. |
en_US |
dc.description.sponsorship |
Ismail Hadjadj; Abdeljalil Gattal |
en_US |
dc.language.iso |
fr |
en_US |
dc.publisher |
Universite laarbi tebessi tebessa |
en_US |
dc.subject |
Réseaux de neurone convolutif (CNN), vérification de la signature. |
en_US |
dc.subject |
convolution neural networks (CNN), signature verification |
en_US |
dc.subject |
شبكات الخلايا العصبية التلافيفية (CNN) ، التحقق من التوقيع |
en_US |
dc.title |
L'apprentissage profond pour la vérification des signatures |
en_US |
dc.type |
Thesis |
en_US |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée