Browse
Recent Submissions
Item Détection et reconnaissance de l’iris(Université d’Oum El Bouaghi, 2024) Khelil, Madiha; Siouane, Yasmina; Benkhaira, SouheilaLes systèmes d’identification de l’iris sont reconnus comme l'une des technologies biométriques les plus avancées et fiables. Cette robustesse découle des caractéristiques uniques de la texture de l'iris humain et de sa stabilité tout au long de la vie. Notre mémoire se concentre sur l'étude et le développement d'un système de reconnaissance d'iris, englobant toutes les étapes nécessaires depuis la capture de l'image jusqu'à l'identification codification. Le processus commence par la segmentation de l'image de l'iris, en utilisant la transformée de Hough ainsi que la méthode de Canny pour extraire les contours. Ensuite, nous appliquons la normalisation. Cette étape nous permet de transformer l’iris circulaire en une forme rectangulaire de dimensions fixes. L'extraction des caractéristiques est réalisée à l'aide de la méthode des motifs binaires locaux (LBP) pour capturer les textures fines de l'iris, tandis que le filtre de Gabor pour extraire des informations de fréquence et d'orientation, pour distinguer les motifs uniques de chaque iris. Ces techniques combinées produisent ainsi un ensemble riche et discriminatif de caractéristiques. Pour l'étape de correspondance, la distance euclidienne pondérée est utilisée. Nous avons obtenu un taux de reconnaissance de 73%.Item Machine and deep learning(Université d’Oum El Bouaghi, 2024) Selatnia, Redha; Hafsi, Redha; Sassi, AbdessamedNotre travail intitulé "Prédiction de mobilité humaine en utilisant les techniques d'apprentissage en profondeur (deep learning)" explore l'application des technologies d'intelligence artificielle pour prédire les schémas de déplacement des individus. La problématique centrale de cette recherche est de déterminer dans quelle mesure les techniques de deep learning peuvent améliorer la précision des prédictions de mobilité humaine par rapport aux méthodes traditionnelles. L'objectif principal de ce travail est de développer et d'évaluer un modèle de deep learning capable d'analyser de grandes quantités de données de mobilité, telles que les traces GPS, les traces Wifi, les données de téléphonie mobile et les informations des réseaux sociaux, pour prédire les futurs déplacements des individus. Pour atteindre cet objectif, une approche méthodologique rigoureuse a été adoptée. Tout d'abord, un ensemble de données de mobilité Wi-Fi collecté par des chercheurs de l'Université de Dartmouth aux États-Unis a été prétraité afin d’étudier et d’analysé les déplacements de leurs étudiants durant la periode 2001 et 2004. Ensuite, plusieurs architectures de réseaux neuronaux profonds, y compris les réseaux de neurones récurrents (RNN) et les réseaux de neurones convolutifs (CNN), ont été conçues et entraînées sur ces données. Plusieurs architectures de réseaux neuronaux ont été combinées et appliquées pour améliorer les performances des modèles. Les résultats obtenus montrent que les modèles de deep learning surpassent les méthodes de prédiction traditionnelles en termes de précision et de capacité à généraliser sur des ensembles de données non vus. Les tests ont révélé que les réseaux de neurones récurrents, en particulier les LSTM (Long Short-Term Memory), sont particulièrement efficaces pour capturer les dépendances temporelles dans les données de mobilité humaine. En conclusion, cette étude démontre le potentiel significatif des techniques d'apprentissage en profondeur pour la prédiction de la mobilité humaine. Les modèles développés peuvent être utilisés dans divers domaines, tels que la planification urbaine, les services de transport intelligents et la gestion des crises. Cependant, des recherches supplémentaires sont nécessaires pour aborder les défis liés à la confidentialité des données et à l'évolutivité des modèles dans des contextes réels.Item Reconnaissance biométrique des visages suspects dans une foule(Université d’Oum El Bouaghi, 2024) Naghmouche, Merouane Haider; Saoudi, Sabri Ayoub; Taouche, CherifLa reconnaissance faciale représente une avancée technologique significative, combinant l'intelligence artificielle et les capacités de surveillance pour identifier des individus dans des environnements complexes et dynamiques. L'objectif principal de cette recherche est de développer un système de reconnaissance faciale performant pour une utilisation en temps réel. Le système doit être capable de capturer des images de haute qualité malgré les défis liés aux conditions variées de lumière et d'angle de vue. Pour atteindre cet objectif, nous avons également intégré des algorithmes de suivi de visage pour maintenir la focalisation sur les individus cibles malgré les mouvements de la foule. La méthodologie inclut des tests en environnement contrôlé et en conditions réelles. Les résultats de ces tests montrent que notre système peut identifier avec précision les visages dans une foule, même à des distances significatives et sous différents angles. Les tests ont révélé un taux de reconnaissance élevé, surpassant les techniques de surveillance traditionnelle.Item Utilisation des techniques de l’apprentissage automatique pour la prédiction des maladies rénales(Université d’Oum El Bouaghi, 2024) Mahtali, Ahlem; Zaidi, FayçalAu cour de ce mémoire, nous avons conçu et développé une application pour la prédiction précoce du maladie rénale, afin de réduire le risque des complications de cette maladie sur la santé du patient. Pour atteindre cet objectif, nous avons utilisé des algorithmes d’apprentissage automatique supervisé (K nearest neighbors, Decision Trees, Random Forest, Support Vector Machine, Naïves Bayes, Regression logistique) et le data set extrait du l’hôpital Frankfurt (Allemagne). Les performances des classifieurs ont été comparées en fonction du taux de précision et la sensibilité de modéle. Les plus hauts taux de classification obtenus par l’application de Regression logistique et l’arbre de décision sont respectivement 95% et 96%, en appliquant la méthode d’évaluation train/test.Item The Impact of organizational dynamism on efficiency(University of Oum El Bouaghi, 2024) Khanfar, Roumaissa; Tahir, Lina; Marir, ToufikThis study investigates the impact of organizational dynamism within multi-agent systems on their efficiency. Specifically, we focus on reorganization as a key aspect of such dynamism. Organizational dynamism is widely recognized as a powerful mechanism to enhance the capabilities of multi-agent systems, especially in responding to unpredictable situations. However, this flexibility can affect other software attributes, such as efficiency and reliability. Therefore, this work aims to assess the impact of organizational dynamism on efficiency. Given that efficiency is a fundamental characteristic of software, we propose tailored metrics to evaluate it within the context of the multi-agent paradigm. We then apply these metrics to compare a multi-agent system with reorganization capabilities to one without such capabilities. As a case study, we employ the RoboCup Soccer simulation, developed using the JADE platform, to illustrate our findings.Item Ensemble learning-based intrusion detection(University of Oum El Bouaghi, 2024) Lies, Ziar; Katiba, Halimi; Bourouis, AbdelhabibIn the context of the rapid evolution of drone technologies, the Internet of Drones (IoD) plays a crucial role in various applications, ranging from surveillance to package delivery. However, with the increased use of drones, the security of drone systems has become a major concern. This project aims to develop an ensemble learning-based intrusion detection system (IDS) to enhance the security of drone networks. The results obtained during this study demonstrate that the application of ensemble learning in the field of intrusion detection for drone systems is promising. This model provides an effective and robust solution to improve drone network security, addressing a growing issue in the Internet of Drones field.Item Detection of Security Vulnerabilities in Smart Contracts(University of Oum El Bouaghi, 2024) Ghorab, Djamel Eddine Hakim; Mokhati, FaridMachine learning, Blockchain technology, and Cybersecurity are topics that have garnered significant interest from researchers. Smart contracts, programs that operate on the Ethereum Blockchain, have demonstrated extensive utility across various domains. However, with their increased usage comes an elevated risk of hackers exploiting these contracts. In this thesis, we propose the use of BERT, a machine learning model, for detecting vulnerabilities in Solidity smart contracts. Our work involves fine tuning a pre-trained deep learning model to predict whether a contract is vulnerable. Furthermore, we develop an extension for an Integrated Development Environment (IDE) that utilizes the trained model, assisting developers in enhancing the security of smart contracts.Item Controle de messages pour les réseaux véhiculaires(Université d’Oum El Bouaghi, 2024) Bouhaik, Chaima; Salmi, Souaad; Achichi, BoubakeurVehicular Ad-Hoc Network (reseau Ad-Hoc de vehicules) ou vanet, est une forme de MANET, pour fournir des communications au sein d 'un groupe de véhicules a porté les uns des autres et entre les véhicules et les équipements fixes, usuellement appelés équipements de la route. Ces réseaux se caractérisent par une grande dynamique et une mobilité variable, souffrant notamment de problèmes de congestion dus au grand nombre de messages de communication envoyés via le canal de contrôle. Plusieurs algorithmes ont été développés pour gérer ce problème, en se basant sur diverses mesures. Cependant, ces algorithmes diffèrent dans leur traitement de certaines mesures, ce qui a conduit à des résultats efficaces dans la résolution du problème de congestion d'une part, mais a peut-être négligé d'autres mesures, qui restent un sujet de recherche important dans ce domaine. Dans cette contribution, nous allons étudier le problème de congestion dans les réseaux VANET, ces mécanismes de détection et de contrôle, ensuite nous proposons un algorithme de contrôle de congestion dans les réseaux VANETs.la solution proposée repose sur une combinaison de deux approches : l’événementiel et l’évaluation, avec la planification des messages.Item Application de l'algorithme ACO basée fonctionnalités pour la recherche et la sélection des services cloud(Université d’Oum El Bouaghi, 2024) Lounis, Youssef Abdelwadoud; Benayad, NacerAllah; Zertal, SoumiaLe cloud computing a révolutionné la gestion informatique en offrant des environnements de développement et de déploiement évolutifs et à la demande. Avec la convergence vers le XaaS (Everything-as-a-Service), il y a eu une prolifération de services prêts à l'emploi, encourageant les entreprises à développer des applications complexes. Cette complexité croissante a créé une demande pour des services composés, nécessitant une composition automatique des services cloud. Dans ce contexte, où la réutilisabilité est cruciale, il est essentiel d'avoir une méthodologie efficace pour la sélection et la composition des services cloud. Cependant, les méthodes traditionnelles sont souvent limitées dans leur capacité à s'adapter aux environnements cloud dynamiques. Notre recherche propose une approche innovante pour la composition automatique et optimisée des services, intégrant l'Internet des Objets (IoT), le Cloud Computing et l'algorithme d'optimisation des colonies de fourmis (ACO). Cette architecture permet une adaptation dynamique aux variations des conditions environnementales et aux changements des paramètres de qualité de service (QoS). Nous avons élaboré une méthodologie qui inclut la collecte des données via des capteurs IoT, la génération des services disponibles, la génération de différentes combinaisons de services et l'évaluation de leur utilité. L'algorithme ACO est utilisé pour optimiser cette composition en tenant compte des informations locales et globales des phéromones. Cette approche est déployée dans un environnement cloud distribué, impliquant un centre de recherche Fog pour le traitement local des données et précisément ainsi la latence. Les résultats expérimentaux, illustrés par des captures de code et des courbes, démontrent que cette approche est non seulement viable, mais également prometteuse pour une gestion intelligente des ressources. En utilisant des capteurs IoT pour surveiller les paramètres en temps réel, le Cloud pour l'analyse des données, et l'ACO pour l'optimisation des ressources, il est possible d'anticiper les fluctuations de la demande et de maximiser l'efficacité. En conclusion, cette recherche souligne l'importance de l'intégration des technologies IoT, Cloud Computing et ACO pour relever les défis actuels de la gestion des services. L'approche proposée offre une solution innovante et efficace pour l'optimisation des services, ouvrant la voie à de nouvelles avancées dans ce domaine. Les perspectives de cette synergie technologique sont prometteuses pour une gestion durable et réactive des ressources, avec des implications positives pour l'environnement et la société.Item Simulation of data transmission in a fanet network(University of Oum El Bouaghi, 2024) Boucetta, Anouar; Zaidi, SofianeCommunication is one of the most significant design issues for multi-UAV (Unmanned Aerial Vehicle) systems, as it is essential for UAVs' cooperation and collaboration. The infrastructure can facilitate communication between UAVs if each one is directly linked to it, such as through a satellite or a ground station. However, the capabilities of multi-UAV systems are limited by this infrastructure-based communication design. The issues arising from entirely infrastructure-based UAV networks can be resolved by ad hoc networking between UAVs. FANETs have emerged as a viable option for a variety of unmanned aerial system applications. For instance, FANETs might be utilized for search and rescue operations or urban monitoring. These networks, however, have unique communication issues along with a wide range of specialized features. Consequently, many research projects use network simulation to examine their performance. Simulating data transmission via the FANET network is the aim of our work. In particular, this work starts with a review of the basics of wireless and ad-hoc networks. Next, we explore FANETs, including their architecture, characteristics, design considerations, communication, applications, and routing protocols. Furthermore, we describe the simulation approaches, focusing on the NS-2 simulator for data transmission modeling in FANETs, and includes Ubuntu installation (dual boot with Windows 10). Lastly, we go into great length about the suggested data transmission paradigm in FANETs, including its design, implementation, and performance assessment .Item Une approche de test de fiabilité des systèmes multi-agents normatifs(Université d'Oum El Bouaghi, 2023) Menassel, Yahia; Moukhati, FaridLes systèmes multi-agents normatifs (SMANor) sont basés sur les concepts d'institutions et de normes, qui régissent l'organisation, le comportement et les interactions des agents. Les communautés scientifiques concernées étudient actuellement la représentation des normes, leur origine, leur violation par les agents et les conséquences de ces violations. Bien que les SMANor aient fourni des réponses très importantes à plusieurs questions et problèmes soulevés par la communauté des chercheurs dans le domaine, leur développement n'est pas encore mature et se fait de manière pragmatique et ad hoc. Ces lacunes ont un impact direct sur la qualité du processus de développement et du produit logiciel. La fiabilité est l'une des caractéristiques de qualité les plus importantes. Elle désigne la capacité d'un système à remplir la fonction pour laquelle il a été conçu, dans des conditions précises et pendant une période donnée. À l'ère des SMA, la fiabilité fait l'objet d'une attention accrue. Cette recherche se place dans le contexte du génie logiciel orienté agent et vise le développement d’une approche de test de fiabilité des SMANor. Cette approche est basée sur une nouvelle méthodologie de génération du profil opérationnel (PO) pour les SMANor. Le PO normatif résultant sera utilisé par la suite dans un nouveau processus de génération de cas de test pour les SMANor. Une étude de cas détaillée est utilisée pour démontrer les méthodologies proposées. Normative multi-agent systems (NorMAS) are based on the concepts of institutions and norms, which govern the organization, behavior, and interactions of agents. The scientific communities concerned are currently studying the representation of norms, their origin, their violations by agents, and the consequences of these violations. Although NorMAS have provided very important answers to many of the questions and problems raised by the research community in the field, their development is not yet mature and is proceeding in a pragmatic and ad hoc way. These shortcomings have a direct impact on the quality of the development process and the software product. Reliability is one of the most important quality characteristics. It refers to a system's ability to perform the function for which it was designed under specific conditions and over a given period of time. In the era of MAS, reliability is receiving increasing attention. This research is set in the context of agent-oriented software engineering and aims to develop a reliability testing approach for NorMAS. This approach is based on a new methodology for generating the operational profile (OP) for NorMAS. The resulting normative OP will then be used in a new test case generation process for NorMAS. A detailed case study is used to demonstrate the proposed methodologies. تعتمد الأنظمة المعيارية متعددة الوكلاء (SMANor) على مفاهيم المؤسسات والمعايير التي تحكم تنظيم الوكلاء وسلوكهم وتفاعلاتهم. تدرس المجتمعات العلمية ذات الصلة حاليًا تمثيل المعايير وأصلها وانتهاكها من قبل الوكلاء والعواقب المترتبة على هذه الانتهاكات. على الرغم من أن الأنظمة المعيارية متعددة الوكلاء قد قدمت إجابات مهمة جدًا للعديد من الأسئلة والمشاكل التي أثارها مجتمع البحث في هذا المجال، إلا أن تطويرها لم ينضج بعد ويتم تنفيذه بطريقة عملية ومخصصة. تؤثر أوجه القصور هذه بشكل مباشر على جودة عملية التطوير ومنتج البرنامج. الموثوقية هي واحدة من أهم خصائص الجودة. وهي تحدد قدرة النظام على أداء الوظيفة التي صمم من أجلها، في ظل ظروف محددة وخلال فترة معينة. بالنسبة للأنظمة متعددة الوكلاء (SMA) تحظى الموثوقية باهتمام متزايد. يتم وضع هذا البحث في سياق هندسة البرمجيات الموجهة نحو الوكيل ويهدف إلى تطوير نهج اختبار الموثوقية للأنظمة المعيارية متعددة الوكلاء. يعتمد هذا النهج على منهجية جديدة لإنشاء الملف التشغيلي (OP) للأنظمة المعيارية متعددة الوكلاء. سيتم بعد ذلك استخدام الملف التشغيلي المعياري الناتج في عملية جديدة لإنشاء حالات اختبار للأنظمة المعيارية متعددة الوكلاء. يتم استخدام دراسة حالة مفصلة لتوضيح المنهجيات المقترحة. Mots clés: Systèmes normatifs multi-agents (SMANor), Test de fiabilité, Profil opérationnel (PO), Génération de cas de test.Item Building a dynamic distributed system for multi-client access in shared pointer(University of Oum El Bouaghi, 2023) Belghoul, Salaheddine; Bacha, Faouez; Bacha, FaouezAccessing and sharing information across various computer tools has been a major concern for many researchers, as cooperation between users has become an urgent matter in order to effectively collaborate on joint work. Suppose we have, multiple clients connected simultaneously, all engaged in a shared business endeavor. How can they collaborate and accomplish their work together? In our thesis, we focus on screen sharing and joint cursor manipulation by a group of users. Our project aims to develop an application that opens a shared window, enabling each user to observe the actions performed by others and contribute to the work.Item Une Application d'organosation de photos assiste par l'intiligence artificielle(Université d'Oum El Bouaghi, 2023) Houari, Abdellah; Silem, Abd El HekThe goal of choosing this topic is to develop an application for organizing images based on artificial intelligence techniques, and using artificial neural networks associated with deep learning to automatically classify images. This chapter aims to introduce basic concepts in the field of deep learning and automatic classification of images using artificial neural networks. Topics such as what are artificial neural networks and how they work, the importance of data preparation and cleaning, how to build an image classification model using artificial neural networks, how to train and improve it, methods for evaluating the produced model, and finally how to deploy the application for practical use will be covered. This note will be based on many reliable and specialized sources in this field.Item Provisioning QoS and security for SLA smart contracts in blockchain-based cloud computing(University of Oum El Bouaghi, 2023) Nedjaoum, Mohamed AdemReal-time video streaming, which allows for live video broadcasting and real-time interaction with viewers, has gained fundamental attraction recently. Platforms such as Facebook Live have enabled users to stream live video content to a large audience, further increasing the demand for video streaming which gives rise to several challenges. On one hand, multimedia streaming is becoming more and more reliant on cloud services and necessitates greater storage and processing capacity for-which ressource allocation in cloud is a solution. However, services’ providers may not be able to provide services as expected (i.e, as specifed in the agreement) On the other hand, there has been a vast growth in incidents related to multimedia copyright and security breaches compromising users’ privacy. To that end, Blockchain technology attracts great interest from the research community due to its innovative properties which can be applied to many applications for security reasons. In this dissertation, we propose a blockchain-based cloud (BBC) architecture where SLA Smart Contracts are specifed and several cryptography algorithms were explored. Thus, the proposal can withstand the most frequent attacks such as the DDoS attack, etc. Furthermore, we propose an efcient allocation of cloud ressources through an optimal selection of IaaS services for multimedia streaming.Item Analyse des Tweets pour la détection des troubles mentaux (dépression et anxiété)(University of Oum El Bouaghi, 2023) Merazega Abdelmoumen; Acid, Juba; Laboudi, ZakariaSocial media occupies an important placein daily life, where users share different elements such as thoughts, experiences, events and feelings. The massive use of social media has led to the generation of huge volumes of data. These data constitute a treasure allowing the extraction of relevant information through natural language processing tasks, in particular by involving deep learning techniques. Starting from this context, various researches have been carried out with the aim of studying the detection of mental disorders, especially depression and anxiety, through the analysis of data extracted from Twitter platform. Although these researches have been able to achieve very satisfactory results, they nevertheless rely on binary classification models by treating each mental disorder separately. Indeed, it would be better if we manage to develop systems capable of dealing with several mental disorders. To address this point, we propose a well-defined methodology involving the use of deep learning to develop effective multi-class modelsfor detecting depression and anxiety through the analysis oftweets. The idea consists in testingboth simple and hybrid variants of deep learning models to examine their strengths and weaknesses. Once the models are built, we move on to the deployment phase in which the best performing models are used to analyze tweets in the UK and US during the COVID-19 period regarding depressive and anxious behaviors. Our work is validated by several experiments and comparisons. Globally, the results obtained are satisfactory and encouragingItem Clustering en utilisant Markov Blanket approximation dans un environnement IoT(Université d'Oum El Bouaghi, 2023) Rouag, Nor EL Imane; Malla, Amira; Sid, KarimaL’Internet des Objets « IoT » est largement appliqué dans le domaine d’agriculture «Agriculture intelligente » où elle a prouvé son efficacité dans l’amélioration de la qualité et la quantité des produits agricoles en optimisant le coût, le temps et la consommation de l’eau. L’apprentissage automatique peut utiliser en collaboration avec l’IoT pour avoir un système complet intelligent. Le clustering est une méthode d’apprentissage non-supervisé très utilisé lorsqu’on n’a pas les sorties désirées. Dans ce contexte, nous avons proposé une approche pour grouper les données agricoles captées dans un environnement IoT en utilisant l’Approximation d’une couverture de Markov qui se base principalement sur un coefficient nommé le coefficient de corrélation d’information afin d’extraire l’information utile « un groupe d’intérêt ».Item Optimisation des paramètres d’un réseau de neurones pour l’apprentissage supervisé(Université d'Oum El Bouaghi, 2023) Adel, Bachir; Chaoui, Kamel; Guerram, TaherL'optimisation des paramètres d'un réseau de neurones pour l'apprentissage supervisé est un domaine en constante évolution qui offre de nombreuses possibilités d'amélioration des performances des modèles. Une compréhension approfondie des concepts fondamentaux, des techniques d'optimisation et des frameworks disponibles est essentielle pour obtenir des résultats de qualité. Des recherches supplémentaires et des expérimentations sont nécessaires pour explorer davantage ce domaine et relever les défis futurs de l'optimisation des paramètres des réseaux de neurones. La présente étude a pour but de classer des modèles (combinaison de paramètres) et pour définir des règles de choix des modèles donnant des meilleurs résultats.Item Conception et réalisation d’une plate-forme d’apprentissage adaptatif au profil d’apprenant(University of Oum El Bouaghi, 2023) Chaibainou, Mabrouk; Hamza, LamiaLe concept de style d'apprentissage est associé à la fois à un ensemble de comportements et de stratégies de gestion et d'organisation de l'information, et à la manière doit être. L'apprentissage en ligne adaptatif, également connu sous le nom d'apprentissage adaptatif ou personnalisé, est un domaine de l'éducation qui tire parti des technologies numériques pour fournir des expériences d'apprentissage individualisées aux apprenants. Il repose sur l'utilisation de l'intelligence artificielle et de l'analyse des données pour comprendre les besoins, les compétences et les préférences des apprenants, afin de leur fournir un contenu et des activités d’apprentissage adapté à leurs besoins spécifiques. Le style d'apprentissage a été utilisés dans cette étude pour améliorer l'apprentissage en ligne c’est le style de felder and silverman. Tell que on distingue 4 profils selon leurs préférences en matière d'apprentissage : actif versus réflexif, visuel versus verbal, global versus séquentiel, factuel versus intuitif. Alors que nous allons essayer de comprendre le mécanisme de l'apprentissage à distance, et comment ajouter la fonctionnalité d'adaptation de l'apprentissage.Item Impact of data augmentation on handwriting characters recognition(University of Oum El Bouaghi, 2023) Saidi, Zahra; Fortas, Roufeida; Khellas, KenzaHandwriting recognition involves converting handwritten text into digital form. It plays a pivotal role in various applications. Although recent advancements in optical character recognition have been significant, challenges continue to persist. Fortunately, the emergence of deep neural networks presents powerful solutions to address these obstacles. Motivated by the need for improved recognition accuracy in real-world scenarios, we aim to investigate the impact of data augmentation techniques on the performance of deep learning models for handwriting recognition tasks. The ensuing chapters of this dissertation delve into the fundamental principles of handwriting recognition, deep learning methodologies tailored for handwriting recognition, data augmentation techniques, and present comprehensive experimental analysis and results. Employing a Convolutional Neural Network (CNN) model trained on two distinct handwriting datasets, this study conducts a comprehensive experimental analysis. The results underscore the efficacy of data augmentation in enhancing recognition accuracy, highlighting its potential to bolster the performance of deep learning models in handwriting recognition tasks.Item Application d'imagerie pour les smartphones(Université d'Oum El Bouaghi, 2023) Aissoug, Zoubeida; Dekdouk, Latifa; Berkane, MohamedCe mémoire a été rédigé dans le cadre duprojet de find'études pour l'obtention dudiplômeMaster en Informatique option : vision artificielle de l'université de Oum el Bouaghi. Le but de ce projet était de créer une applicationmobile que nous avons nommée "BIsnap". L'application visel’acquisition et l’amélioration dela qualité des photos et des vidéos en temps réel, ainsi qu'à la modification en ajoutant des divers effets et options d'édition. De plus,l'application permetaussiauxutilisateursdepartageretl’échangedesphotosavec n'importequiviale réseau Smartphone et d'enregistrer les photos et vidéos améliorées.