Résumé:
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.
