Synthèse
Volume 28, Numéro 2, Pages 19-30
2022-12-28
La Compression Des Réseaux De Neurones Profonds à Convolution Pour L’analyse Des Images Cardiaques Coronariennes
Auteurs : Trad Roufaida . Azizi Nabiha . Boukhamla Assia .
Résumé
Le travail présenté aborde l’optimisation des modèles profonds basée compression pour la classification des images médicale plus particulièrement les images cardiaques. Nous distinguons deux types de compression, la compression des modèles et la compression des images. Le modèle d’apprentissage profond simplifié que nous ciblons est un mdèle dont la taille et le temps de réponse sont réduites par rapport à l’original sans pour autant diminuer considérablement la précision initiale. L’objectif principal de notre travail est de tester l’aptitude de ces deux stratégies de compression afin de résoudre le problème initialement posé. L’investigation des deux modalités de compression est établie pour l’optimisation d’un système d’aide au diagnostic médical (maladie coronarienne), à travers un modèle covolutionnel par de transfer learning basé sur le classifieur VGG16. Validé sur la base médicale référencée “ CAD Cardiac MRI Dataset “ , les results montre que l’utilisation de la quantification assure une réduction significative de la taille des modèles et une optimisation remarquable en terme de précision et temps d’inférence ; cela garantie le déploiement du complexe modèles profonds sur des à ressources limités toutes en gardant la performance de décision du modèle non quantifié
Mots clés
Réseaux de neurones profonds ; Vgg16 modèle ; Optimisation par compression ; quantification ; Transformation par Ondelettes
Les articles similaires
Boukelif Aoued
.
Mokhtari Mohamed
.
pages 81-92.
Elfoul Lantri
.
pages 19-38.
Baarir Z.e
.
Ouafi A
.
pages 69-74.
Messaoudi Kamel
.
Toumi Salah
.
Bourennane El-bay
.
pages 24-31.
Baarir Z
.
Doghmane N
.
Ouafi A
.
Terki N
.
pages 47-52.
