Comparaison des performances de divers modèles CNN pour la classification d’images

Abstract

Ce mémoire présente la comparaison de la performance de différents modèles de réseaux de neurones convolutifs (CNN) utilisés pour la classification d’images. Il s’agit d’un projet lié à l’intelligence artificielle dans la vision informatique. L’idée est de montrer comment les différents réseaux de convolution peuvent être comparés en termes de précision, de temps de calcul et de nombre de paramètres. Nous passons en revue plusieurs architectures populaires et les implémentons avec les jeux de données MNIST, Fashion-MNIST et SVHN, telles que Alexnet, ResNet18, Resnet50, Resnet101, Xception et MobilnetV2. Ce faisant, nous identifions certaines de leurs forces et faiblesses et apprenons le fonctionnement interne de ceux-ci. En fin de compte, cela donne des indications pour choisir le modèle CNN adapté à une application en particulier.