Contribution la dtection des vhicules par l'apprentissage profond

L'apprentissage profond y prend place, en particulier avec la croissance rapide et la disponibilit de grandes bases de donnes et les rcentes amliorations apportes aux units de traitement graphique connues sous leur nom anglais GPU (Graphics Processing Units). L'objectif principal de cette recherche est d'appliquer les algorithmes d'apprentissage profond, tels que les rseaux de neurones convolutions (CNNs-Convolutional Neural Networks) et les architectures profondes, en particulier le modle profond VGG-16 pour la catgorisation et la localisation des vhicules dans des scnes routires. Dans le prsent mmoire, nous allons montrer que grce un paramtrage optimis et une modification algorithmique simple, nous pouvons amliorer, mme de faon relative, la robustesse d'un rseau particulier de type Faster R-CNN dans la dtection des vhicules et obtenir des rsultats meilleurs en s'appuyant sur diverses bases de donnes (PASCAL VOC 2007, PASCAL VOC 2012, MIT Traffic, CUHK Square et Logiroad).