Please use this identifier to cite or link to this item: http://dspace.ensta.edu.dz/jspui/handle/123456789/651
Title: Étude et simulation d’une voiture autonome utilisant l’apprentissage approfondi (Deep Learning) : Application sur le simulateur Udacity
Authors: KHELIL, Hannah Melissa
ZELLAT, Mohamed
KHOUMERI, El hadi (Directeur de thèse)
Keywords: Voiture autonome
apprentissage en profondeur
CNN
intelligence artificielle
simulateur Udacity
vision par ordinateur
Issue Date: 2022
Publisher: ENST
Abstract: Dans ce mémoire, après avoir abordé l’évolution des voitures autonomes et notamment depuis l’introduction de l’intelligence artificielle, nous avons étudié trois aspects importants de leur fonctionnement. D’abord, pour simuler la conduite d’une voiture autonome, nous avons utilisé l’architecture du réseau de convolution NVIDIA afin de générer un modèle qui prédit l’angle de braquage de la voiture. Le modèle créé a réussi à finir avec succès le circuit d’apprentissage et a pu généraliser son comportement sur l’ensemble d’un circuit qui lui était inconnu. Ensuite, nous avons développé un code qui permet la détection des lignes de voie droite de circulation issues d’une image puis nous avons généralisé cette détection à une vidéo. Enfin, nous avons modifié l’architecture du réseau de convolution LeNet pour classifier des panneaux de signalisation.
Description: Projet de fin d’étude d'ingéniorat: Systèmes Embarqués : Alger: Ecole Nationale Supérieure des Technologie Avancées (ex ENST) : 2022.
URI: http://dspace.ensta.edu.dz/jspui/handle/123456789/651
Appears in Collections:PFE- Système Embarqués

Files in This Item:
File Description SizeFormat 
pfe.2022.SE.KHELIL.Hannah-Melissa_ZELLAT.Mohamed - KHELIL Hannah Melissa.pdfProjet d'ingéniorat9.85 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.