seuillage de l'image en choisissant le seuil à partir de l'histogramme, extraction de contour avec seuillage , histogramme des contours , application gradient interne et externe
Download báo cáo kết quả nghiên cứu, ứng dụng sáng kiến với đề tài: Ứng dụng đạo hàm để tìm giá trị lớn nhất và giá trị nhỏ nhất của hàm số, cho các bạn làm luận văn tham khảo
Scikit learn: apprentissage statistique en PythonGael Varoquaux
Présentation au niveau sur "scikit-learn", un toolkit d'apprentissage statistique (machine learning) en Python.
Philosophie et strategie du projet, ainsi que API et très bref examples de code.
Ce fascicule de TP est destiné aux étudiants. Il est conforme au programme de première année Licence Appliquée : Technologies des communications..
Cet ouvrage est construit essentiellement autour de l’activité de l’étudiant. Son intention est de favoriser, chez l’étudiant, la maîtrise de la notion de résolution de problème à travers une démarche algorithmique suivi d’une traduction au langage C. Il comporte 8 TPs qui couvrent le programme de module Atelier Informatique I.
Download báo cáo kết quả nghiên cứu, ứng dụng sáng kiến với đề tài: Ứng dụng đạo hàm để tìm giá trị lớn nhất và giá trị nhỏ nhất của hàm số, cho các bạn làm luận văn tham khảo
Scikit learn: apprentissage statistique en PythonGael Varoquaux
Présentation au niveau sur "scikit-learn", un toolkit d'apprentissage statistique (machine learning) en Python.
Philosophie et strategie du projet, ainsi que API et très bref examples de code.
Ce fascicule de TP est destiné aux étudiants. Il est conforme au programme de première année Licence Appliquée : Technologies des communications..
Cet ouvrage est construit essentiellement autour de l’activité de l’étudiant. Son intention est de favoriser, chez l’étudiant, la maîtrise de la notion de résolution de problème à travers une démarche algorithmique suivi d’une traduction au langage C. Il comporte 8 TPs qui couvrent le programme de module Atelier Informatique I.
Version DRAFT d'une formation Data Scientist que j'ai conçue à partir de sources diverses (voir références bibliographiques à la fin de chaque diapositive).
La formation est destinée aux personnes possédant des bases (~BAC+2) en statistiques et programmation (j'utilise R).
Je reste ouvert à tout commentaire, critique et correction. Je continuerai à mettre à jour les diapositives et à en ajouter d'autres si j'ai le temps.
Dans ce cours, on découvre comment construire une interface graphique en Python en utilisant la librairie Tk. Après avoir vu les différents composants de base, ce cours présente la programmation évènementielle qui permet d'écrire du code qui réagit à des évènements comme le clic sur un bouton, par exemple.
Php 2 - Approfondissement MySQL, PDO et MVCPierre Faure
Introduction au langage de programmation PHP.
Présentation réalisée la première fois le lundi 10 mars 2014 à l'IIM : Institut de l'Internet et du Multimédia pour les années préparatoires.
Cette présentation a pour but d'approfondir les compétences PHP des élèves : utiliser des bases de données, comprendre PDO et le modèle MVC (basique).
Après présentation orale de ces slides, des exercices de mise en pratique ont été réalisés en Atelier avec les élèves.
L'exercice principal était de construire une plateforme similaire à twitter selon un modèle MVC.
Voici le plan de la présentation :
• Les bases de données : MySQL
- Principe
- phpMyAdmin
- Interagir avec une BDD
• Les fonctions
- La machine à carottes
- Exemple avec MySQL
- Les fonctions PHP
• Modèle Vue Contrôleur - MVC
- Principe
- Mise en pratique
• Quelques trucs à savoir a.$_FILES et $_POST
- $_SESSION
- L’indentation
- PHP + HTML = ?
Deep Learning : Application à la reconnaissance d’objets de classes multiples...Haytam EL YOUSSFI
This project entitled "Deep Learning : Application to the Recognition of Multiple Class Objects on Images and Videos" is conducted as part of the preparation of the Basic Degree in Mathematics and Computer Science (SMI) at the Faculty of Science Agadir FSA of Ibn Zohr University UIZ for the academic year 2018/2019.
In order to achieve the main objective of our project : " Recognition of multiple class objects on images and videos", we used algorithms from machine learning and deep learning (MLP, CNN ... ), that led to a revolution in Artificial Intelligence. In particular, those methods were successfully used for the classification of objects in images and videos. These algorithms outperform traditional formal methods by their performances and succeeded in creating a system that simulates the working of human brain.
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...Marcel Lebrun
Les questions relatives aux impacts du numérique dans l'éducation et la formation font couler beaucoup d'encre. Entre discours enthousiasmants, résistances farouches et déconvenues fracassantes, entre les potentiels des TICe et les nécessités de faire évoluer leurs contextes d'implantation, il est bien difficile de tracer un cheminement fertile pour que nous, humains, ne restions pas au bord des autoroutes de l'information qui nous submerge et de la communication qui nous épuise. Il ne s'agit pas d'ajouter une couche technologique aux habitudes de transmission des savoirs prises à l'époque où le livre était rare. L'école (au sens large) demande une révision profonde. D'espace "privé" en lieu et temps, elle devient plus que jamais espace d'écolage pour la société complexe, espace mobile pour un apprentissage toute la vie durant. Les classes inversées ou flipped classrooms, les Learning-Lab … nous montrent le chemin mais la route sera longue. Il ne s'agit en effet pas tant d'outils, de méthodes que de changements de mentalités. La nécessité de ces changements, de ces états d'esprit est évidente, les technologies sont là au moment opportun (à la fois cause et solution, à la fois remède et poison comme dirait Socrate) … tout y est. Oui, mais quels sont les moteurs et les freins de l'innovation ?
Parmi les conditions qui émergent des études (Lebrun, 2007), celle de l'alignement, de la cohérence entre les objectifs (aujourd'hui, après les compétences, les learning outcomes), les méthodes mises en place pour les atteindre et les évaluations de cette atteinte par les étudiants (Biggs, 2003) est fécond : il manque dans ce modèle, selon nous, les outils (ressources, instruments et réseau) qui pourtant imprègnent ces piliers de la construction de dispositifs à valeurs ajoutées. En effet, les objectifs exprimés en termes de compétences (recherche d'information, esprit critique, travail d'équipe, communication ...) sont colorés par le numérique; les méthodes orientées vers l'apprentissage effectif et augmenté seront soutenues par ces mêmes outils. Pourquoi sont-ils si peu présents dans nos "référentiels de compétences" ?
D'autres recherches (Lebrun, 2009) ont étudié les stades du développement professionnel des enseignants. Les services de pédagogie universitaire se développent un peu partout mais, les effets, intéressants certes, restent ponctuels, localisés dans des enclaves, peu modélisés et donc peu transférables.
Les mutations sont lentes (ré-apprendre la patience à l'ère du numérique ?) et le danger de fossilisation des pratiques nous guette. Les enjeux sont énormes et finalement "les technologies nous ont condamnés à devenir intelligents" (M. Serres).
Version DRAFT d'une formation Data Scientist que j'ai conçue à partir de sources diverses (voir références bibliographiques à la fin de chaque diapositive).
La formation est destinée aux personnes possédant des bases (~BAC+2) en statistiques et programmation (j'utilise R).
Je reste ouvert à tout commentaire, critique et correction. Je continuerai à mettre à jour les diapositives et à en ajouter d'autres si j'ai le temps.
Dans ce cours, on découvre comment construire une interface graphique en Python en utilisant la librairie Tk. Après avoir vu les différents composants de base, ce cours présente la programmation évènementielle qui permet d'écrire du code qui réagit à des évènements comme le clic sur un bouton, par exemple.
Php 2 - Approfondissement MySQL, PDO et MVCPierre Faure
Introduction au langage de programmation PHP.
Présentation réalisée la première fois le lundi 10 mars 2014 à l'IIM : Institut de l'Internet et du Multimédia pour les années préparatoires.
Cette présentation a pour but d'approfondir les compétences PHP des élèves : utiliser des bases de données, comprendre PDO et le modèle MVC (basique).
Après présentation orale de ces slides, des exercices de mise en pratique ont été réalisés en Atelier avec les élèves.
L'exercice principal était de construire une plateforme similaire à twitter selon un modèle MVC.
Voici le plan de la présentation :
• Les bases de données : MySQL
- Principe
- phpMyAdmin
- Interagir avec une BDD
• Les fonctions
- La machine à carottes
- Exemple avec MySQL
- Les fonctions PHP
• Modèle Vue Contrôleur - MVC
- Principe
- Mise en pratique
• Quelques trucs à savoir a.$_FILES et $_POST
- $_SESSION
- L’indentation
- PHP + HTML = ?
Deep Learning : Application à la reconnaissance d’objets de classes multiples...Haytam EL YOUSSFI
This project entitled "Deep Learning : Application to the Recognition of Multiple Class Objects on Images and Videos" is conducted as part of the preparation of the Basic Degree in Mathematics and Computer Science (SMI) at the Faculty of Science Agadir FSA of Ibn Zohr University UIZ for the academic year 2018/2019.
In order to achieve the main objective of our project : " Recognition of multiple class objects on images and videos", we used algorithms from machine learning and deep learning (MLP, CNN ... ), that led to a revolution in Artificial Intelligence. In particular, those methods were successfully used for the classification of objects in images and videos. These algorithms outperform traditional formal methods by their performances and succeeded in creating a system that simulates the working of human brain.
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...Marcel Lebrun
Les questions relatives aux impacts du numérique dans l'éducation et la formation font couler beaucoup d'encre. Entre discours enthousiasmants, résistances farouches et déconvenues fracassantes, entre les potentiels des TICe et les nécessités de faire évoluer leurs contextes d'implantation, il est bien difficile de tracer un cheminement fertile pour que nous, humains, ne restions pas au bord des autoroutes de l'information qui nous submerge et de la communication qui nous épuise. Il ne s'agit pas d'ajouter une couche technologique aux habitudes de transmission des savoirs prises à l'époque où le livre était rare. L'école (au sens large) demande une révision profonde. D'espace "privé" en lieu et temps, elle devient plus que jamais espace d'écolage pour la société complexe, espace mobile pour un apprentissage toute la vie durant. Les classes inversées ou flipped classrooms, les Learning-Lab … nous montrent le chemin mais la route sera longue. Il ne s'agit en effet pas tant d'outils, de méthodes que de changements de mentalités. La nécessité de ces changements, de ces états d'esprit est évidente, les technologies sont là au moment opportun (à la fois cause et solution, à la fois remède et poison comme dirait Socrate) … tout y est. Oui, mais quels sont les moteurs et les freins de l'innovation ?
Parmi les conditions qui émergent des études (Lebrun, 2007), celle de l'alignement, de la cohérence entre les objectifs (aujourd'hui, après les compétences, les learning outcomes), les méthodes mises en place pour les atteindre et les évaluations de cette atteinte par les étudiants (Biggs, 2003) est fécond : il manque dans ce modèle, selon nous, les outils (ressources, instruments et réseau) qui pourtant imprègnent ces piliers de la construction de dispositifs à valeurs ajoutées. En effet, les objectifs exprimés en termes de compétences (recherche d'information, esprit critique, travail d'équipe, communication ...) sont colorés par le numérique; les méthodes orientées vers l'apprentissage effectif et augmenté seront soutenues par ces mêmes outils. Pourquoi sont-ils si peu présents dans nos "référentiels de compétences" ?
D'autres recherches (Lebrun, 2009) ont étudié les stades du développement professionnel des enseignants. Les services de pédagogie universitaire se développent un peu partout mais, les effets, intéressants certes, restent ponctuels, localisés dans des enclaves, peu modélisés et donc peu transférables.
Les mutations sont lentes (ré-apprendre la patience à l'ère du numérique ?) et le danger de fossilisation des pratiques nous guette. Les enjeux sont énormes et finalement "les technologies nous ont condamnés à devenir intelligents" (M. Serres).
S2 TP3: traitement d'image: filtrage rehaussement de contourSaharBenMabrouk
dégradation d'une image en appliquant de bruit additif gaussien, poivre et sel puis visualisation d'histogramme de l'image bruitée et par suite filtrage en appliquant différent type de filtres: filtre moyenneur filtre ad hoc filtre gaussien et des filtres non linéaires . tp traité sous matlab
Tp3 traitement image: morphologie: propriétés des opérateurs morphologiquesSaharBenMabrouk
applications des propriétés des opérateurs morphologiques comme la décomposabilité , la dualité , la croissance et l'invariance à la translation de la dilatation, l'érosion, ouverture et fermeture . TP traité sous matlab
S2 TP5: traitement d'image: seuillage en basant sur l'histogramme
1. S2TP5 : Traitement d’image seuillage
MP MATIS Ben Mabrouk Sahar
1)
clear all; close all; clc;
X=imread('coins.png');
X1=double(X)./256;
[n,m]=size(X);
figure(1);
subplot(2,1,1); imshow(X1);
subplot(2,1,2);imhist(X1);title('histogramme de l''image');
Seuillage
B=zeros(n,m);
for i=1:n
for j=1:m
if (X1(i,j) > 0.6) && (X1(i,j)< 0.9)
B(i,j)=1;
end
end
end
figure(2);
subplot(1,2,1);
% imshow(X);
imshow(X1.*(X1>0.6).*(X1<0.9)); title('methode directe');
subplot(1,2,2);
imshow(B); title('boucle');
On obtient un histogramme bimodal il est clair de choisir le seuil dans [0.2 ; 0.3] ou [0.6 0.9]
2. Histogramme des contours
%%filtre LAPLACIEN%%%%
figure(3);
h7=([0 1 0;1 -4 1;0 1 0]).*(1/8);
Y7=imfilter(X1,h7);
P7=mat2gray(abs(Y7));
P71=mat2gray(Y7);
subplot(1,2,1);
imshow(P71);
subplot(1,2,2);
imhist(P71); title('histogramme du contour'); % seuil du contour entre 0.4 et 0.8 %
nouveau seuil
figure(3) ;
imshow(X1.*(X1>0.4).*(X1<0.8),[]); title('seuil 0.4-0.8');
On a bien obtenu l’image demandé en utilisant les données de l’histogramme
On peut appliquer le seuillage en utlilisant le boucle ou une méthode directe comme ci-dessus
En appliquant un filtre Laplacien qui rehausse le
contour, on visualise l’histogramme de l’image
filtré qui nous renseigne un seuil plus précis que
le précédent. Le nouveau seuil entre 0.4 et 0.8.
3. Gradient interne externe
se=strel('square',8);
X1r=imerode(X1,se);
X1d=imdilate(X1,se);
GI=X1-X1r;
GE=X1d-X1;
figure(5);
subplot(1,2,1); imshow(GI); title('gradient intern');
subplot(1,2,2); imshow(GE); title('gradient externe');
figure(6);
subplot(1,2,1); imhist(GI); title('histogramme intern');
subplot(1,2,2); imhist(GE); title('histogramme externe');
Le seuil précédent 0.6-0.9 permet d’extraire
les monnaies à droite en bas
Le seuil actuel 0.4-0.8 permet d’extraire
celles en haut à gauche
Le compromis c’est de choisir parmi les
objets à extraire.
4. le nouveau seuil à choisir est 0.4-0.6
imshow(X1.*(X1>0.4).*(X1<0.6),[]); title('seuil 0.4-0.6');
La pièce de monnaie perdue avec les seuils
précédents , a été extraite mais les autres pièces
sont perdues