Etudiant : ES-SARRAJ KHAOULA

Filière : Master Microélectronique, Signaux et Systèmes (2ME2S)

Encadrant : Pr. SABRI ABDELOUAHED

Annèe : 2023

Résumé : L’objectif de ce travail de PFE de Master est la conception et la simulation matérielle d’une architecture Deep Learning pour implantation sur une carte électronique pour la classification des images médicales et plus précisément les images des lésions cutanées. Nous avons utilisé une version adaptée de l’architecture VGG16 pour notre contexte d’application. L’architecture adoptée est constituée de deux couches de convolution de 3 filtres de taille 3x3 avec une fonction d’activation ReLu, de deux couches MaxPooling de taille 2x2, et d’une couche complétement connectée composée de 16 neurones et d’une fonction d’activation ReLu. Notre projet consiste en deux phases ; une phase hors lignes dont l’objectif est l’estimation des poids des couches de convolution et des couches complétements connectés à travers le processus d’entrainement ou d’apprentissage et qui est réalisé sur Ordinateur. Nous avons utilisé comme Dataset d’entrainement et de validation la base du « challenge ISIC ». Et, La phase de classification ou de prédiction qui a été simulée en utilisant Matlab Simulink. De cette façon, nous allons gagner sur deux volets, réduire le temps de calcul et d’éviter le développement utilisant un langage de programmation tiers, mais plutôt utiliser seulement les poids estimés lors de la phase d’entrainement. Les résultats de simulation ont montré le grand intérêt de notre implémentation matérielle en termes du temps de prédiction avec la même précision de classification.