Afficher la notice abrégée
dc.contributor.author |
SELAIMIA, YASSINE |
|
dc.date.accessioned |
2023-10-30T07:55:39Z |
|
dc.date.available |
2023-10-30T07:55:39Z |
|
dc.date.issued |
2023-06 |
|
dc.identifier.uri |
http://dspace.univ-guelma.dz/jspui/handle/123456789/14712 |
|
dc.description.abstract |
Cette memoire présente le développement d’un véhicule autonome utilisant un Nvidia
Jetson Nano™ (OM) comme unité centrale de contrôle en tirant parti de la vision informatique
et des techniques d’apprentissage profond. L’objectif est de réaliser un véhicule à petite échelle
avec la capacité de naviguer une route de manière autonome et de détecter les obstacles en
temps réel. L’appareil Jetson Nano™ est chargé de contrôler les systèmes du véhicule, y
compris les moteurs à courant continu utilisés pour l’entraînement. L’acquisition de données
est réalisée grâce à l’application du module caméra IMX219, qui capture des images pour la
formation de modèles de réseaux neuronaux. En tirant parti de la puissance de l’apprentissage
par transfert, le modèle ResNet-18 (RNA) est utilisé pour former sa couche entièrement
connectée sur mesure pour notre ensemble de données spécifique. Le modèle formé est déployé
sur la carte Jetson Nano™ pour un fonctionnement en temps réel, avec les résultats détaillés et
la présentation des performances du véhicule autonome développé |
en_US |
dc.language.iso |
fr |
en_US |
dc.publisher |
Université 08 Mai 1945 de Guelma |
en_US |
dc.subject |
Intelligence artificielle, Véhicule autonome, Vision par ordinateur, L'apprentissage en profondeur, réseau neuronal artificial, Nvidia Jetson Nano™, Apprentissage par transfert, Base de données |
en_US |
dc.title |
Autonomous Vehicle with Jetson Nano: |
en_US |
dc.title.alternative |
An Approach for Automated Navigation |
en_US |
dc.type |
Working Paper |
en_US |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée