Etudiant : BELLOURAK ADAM

Filière : LF Sciences Mathématiques et Informatique

Encadrant : Pr. EL-BATTEOUI ISMAIL

Annèe : 2023

Résumé : Les tempêtes de grêle sont des événements naturels qui peuvent causer des dommages considérables aux biens, aux cultures et aux infrastructures. La classification précise et rapide des grêlons est essentielle pour éviter ces dangers. Dans ce contexte nous proposons une étude comparative entre deux modèles différents (VGG16, DenseNet121) pour la classification des images en s’appuyant sur une base de données de givres et grêles. Cette étude comparative de ces modèles permettra de déterminer lequel d'entre eux est le plus efficace. Le modèle VGG16 est connu pour sa profondeur et sa capacité à extraire des caractéristiques complexes. DenseNet121 est un modèle récent qui exploite les connexions denses entre les couches pour améliorer la performance du réseau. En comparant ces deux modèles, nous pourrons évaluer leurs performances en termes de précision, de fonction de perte et de capacité à généraliser sur de nouvelles données. Cela permettra de déterminer le modèle le plus adapté pour la classification des images de grêle, ce qui pourrait contribuer à l'amélioration des systèmes de détection et d'alerte précoce des tempêtes de grêle.