Browsing by Author "Chibani, Meriem"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Etude comparative entre les méthodes de détection et de suivi d’objet par un robot mobile(Univérsité Oum El Bouaghi, 2020) Amara, Rania; Chibani, MeriemLa vision par ordinateur est la base de tout système de vision artificielle. Il vise à permettre à la machine d'analyser, traiter et comprendre une ou plusieurs images capturées par le système d'acquisition (caméras, etc.). L'un des sujets de recherche les plus difficiles et les plus importants en vision par ordinateur est le suivi d'objets, qui a été appliqué dans le domaine de la robotique. L'objectif principale de ce suivi est d'estimer la position de l'objet cible dans une image dans une séquence d'images au cours du temps. Le présent mémoire est structuré en quatre chapitres : le premier et le deuxième chapitre sont consacrés à un état de l'art de robotique mobile et de domaine de la détection et suivi d'objet, le troisième chapitre est consacré à une étude comparative, et le dernier pour les tests et les résultats. L'objectif consiste à comparer et implémenter les trois méthodes : Contour Actif, Ensemble des points et Mean-Shift.Item Semantic segmentation(Université Larbi Ben M'hidi Oum El Bouaghi, 2022) Mammeri, Oumeima; Medkour, Romaissa; Chibani, MeriemImage semantic segmentation is more and more being of interest for computer vision and machine learning researchers. Many applications on the rise need accurate and efficient segmentation mechanisms: autonomous driving, indoor navigation, and even virtual or augmented reality systems to name a few. It is a building block for scene understanding by classifying all pixels of an image in a dense way; it is then possible to build abstract representations focusing on the objects and their shapes. In this project, our work exploits a convolutional neural network (CNN) architecture "unet" for semantic segmentation; the choice of this architecture is due to its phenomenal success, it can solve the most complex problems in deep learning. It is a particularly effective tool for many types of images. Our model is trained on the Oxford-iiit pet dataset.Item Semantic segmentation with U-NET(University of Oum El Bouaghi, 2023) Chenouf, Amira; Merzkane, Oumayma; Chibani, MeriemSemantic segmentation is a fundamental task in computer vision that involves assigning a specific label to each pixel in an image, itenables machines to understand the scene and extract meaningful information. In this project, we explore the application of the U-Net architecture for semantic segmentation, aiming to develop an efficient and accurate system for pixel labeling. This project contributes to the field of semantic segmentation by investigating the application of the U-Net architecture. We demonstrate the effectiveness of the U-Net model in accurately segmenting images at the pixel level. The integration of deep learning techniques and the U-Net architecture holds great promise for advancing the field of computer vision and unlocking new possibilities in image understanding and analysis. The findings of this research open avenues for further advancements in semantic segmentation techniques by bridging the gap between theory and practical applications.Item Vers un environnement de simulation à évènements discrets basé sur le paradigme de la programmation orientée aspects(Université d' Oum El Bouaghi, 2015) Chibani, Meriem; Bourouis, AbdelhabibLa simulation orientée objet est actuellement très répandue et se base sur le paradigme orienté objet (OO). Les systèmes de simulation à évènements discrets (DES) mettent en oeuvre plusieurs préoccupations transversales telles que la gestion des événements, la détection de la phase d'équilibre et le suivi de la trace d'une simulation. Ces préoccupations ont tendance à produire deux problèmes majeurs qui dépassent les capacités du paradigme OO utilisé en simulation : l'enchevêtrement et la diffusion de code de simulation. Cela augmente la complexité et réduit la maintenabilité qui exige une séparation spécifique des préoccupations (Separation of Concerns : SoC). La programmation orientée aspect (AOP) apprête une plus grande attention aux préoccupations transversales relativement à d'autres paradigmes en offrant des langages robustes tel qu'AspectJ. L'application de l'AOP dans la simulation constitue un axe de recherche novateur et d'actualité. Dans cette thèse, nous proposons une architecture pour un environnement de modélisation et de simulation à évènements discrets basé sur l'AOP. Notre contribution comprend trois volets : le premier, représente une étude comparative entre les approches de la programmation orientée aspect tel que la programmation orientée sujet et Xerox Parc AOP. Le deuxième volet concerne l'identification des besoins non fonctionnels dans le domaine de la modélisation et de la simulation à évènements discrets. En plus, une architecture pour un environnement de modélisation et de simulation à évènements discrets basé sur l'AOP est proposée, en utilisant la bibliothèque Japrosim comme un noyau. Enfin, le dernier volet concerne la proposition d'un profile UML pour l'application de l'AOP au niveau de la conception. Ce profile est spécifique au langage AspectJ et utilise l'outil Xpand pour la génération automatique de code comme un model- to- text transformation outil