parallélisation de calcul de classi_x001C_cation d'images satellitaires par la méthode d'apprentissage profond - réseaux de neurones
Faculte Des Sciences — Mathématiques et Informatiques — None ()
Auteur : rajemison hasina andy
Année de soutenance : 2018
Diplome : MASTER 2
Langue : FR
Résumé
la classification d'images est une tâche courante en apprentissage automatique. elle utilise les informations contenues dans les images afin de pouvoir classifier les pixels individuellement. les algorithmes d'apprentissage profond sont réputés pour être performants pour la tâche de classification. mais ils ont la fâcheuse tendance à consommer énormément de ressources et de temps pour effectuer des calculs. on a ainsi construit notre modèle à partir des réseaux de neurones convolutifs, le residual network 50, en utilisant la technique de transfert d'apprentissage. puis on a réalisé la mise en parallèle de 3 machines multiprocesseurs et on a distribué les tâches de classification entre ces machines afin de gagner en temps d'exécution. on a pu obtenir un meilleur temps de calculs en faisant collaborer ces machines tout en adaptant notre code à cet environnement parallèle. ces gains de temps obtenus s'appuient plus sur la performance des machines plutôt que sur leur nombre.