Login
Communauté Vinci
Extérieur
Si votre nom d'utilisateur ne se termine pas par @vinci.be ou @student.vinci.be, utilisez le formulaire ci-dessous pour accéder à votre compte de lecteur.
Titre : | Développement d'un système deep-learning de réponse automatique aux questions visuelles médicales |
Auteurs : | Marie Kirstie Macaspac, Auteur |
Type de document : | Travail de fin d'études |
Editeur : | Woluwe-Saint-Lambert : Haute École Léonard de Vinci, 2021 |
Format : | 61 p. |
Langues: | Français |
Index. décimale : | TFE - Informatique de gestion (IPL) |
Mots-clés: | Python ; Pytorch ; Deep learning ; NLP ; Computer vision |
Résumé : | Ce travail de fin détudes porte sur une tâche de réponse automatique aux questions visuelles (VQA) médicales dans le cadre de la 4ème édition du challenge ImageCLEF-VQAMed proposée par ImageCLEF 2021. Cette tâche, qui combine les techniques de vision par ordinateur (computer vision) et de traitement automatique du langage naturel (NLP), consiste à répondre à une question basée sur une image médicale comme une radiographie par exemple. Dans ce but, un système de deep learning a été développé et amélioré en Python avec laide de Pytorch, une librairie Python open source de machine learning. Ce TFE regroupe les différentes architectures implémentées qui ont servi à améliorer ce système. Celles-ci utilisent non seulement des réseaux de neurones tels que les réseaux de neurones convolutifs (CNN) et les réseaux de neurones récurrents (RNN) mais également un modèle inspiré du transformer afin de traiter limage et la question et de produire une réponse à cette question. |
Accès : | Identifiez-vous avant d'accéder au document électronique |
Disponible en ligne : | Oui |
Lieu du stage : | Université de Mons |
Département : | Informatique de gestion |
Documents numériques (1)
Ce document n'est visible qu'après identification
TFE Informatique Adobe Acrobat PDF |