Etudiant : EL HANNAOUI OUMAYMA

Filière : Master Systèmes Intelligents et Décisionnels (MSID)

Encadrant : Pr. AZOUGH AHMED

Annèe : 2021

Résumé : Avec les grands progrès de l’apprentissage profond et de la vision par ordinateur au cours des dernières années, nous sommes maintenant en mesure de créer des modèles complexes pour la détection d’anomalies sur les routes telles que les nids-de-poule, les dos d’ânes, les accidents... en images et vidéos quelles que soient les caractéristiques des anomalies à détecter. Ce développement a potentiellement aidé les ingénieurs à remplacer les systèmes existants en faveur de modèles d’apprentissage automatique aux performances supérieures. Dans cette thèse, nous évaluerons la viabilité des modèles d’apprentissage profond en présentant un système de détection d’anomalies routières utilisant des réseaux résiduels profonds et en représentant les résultats sur une carte pour une meilleure visualisation. Nous avons entraîné notre modèle ResNet50 rien que sur 60 epochs, et il nous a donné une bonne précision de 91%, ce qui est bon compte tenu de la quantité de données dont nous disposons.