Luận văn phát triển các thuật toán nhận dạng hình dạng Để xác Định và mô tả Đặc tính của Đống Đổ nát tái chế

7 22.2 Réseau convolutionnel rapide basé sur la régionFast R-CNN 8 2.2.3 Réseau de convolution régional plus rapide Faster R-CNN.. 7 22.2 Réseau convolutionnel rapide basé sur la régionF

UNIVERSITE NATIONALE DU VIETNAM, HANOI

INSTITUT FRANCOPHONE INTERNATIONAL

Saidi DAOUDA KADRI

Développement d’algorithmes de

reconnaissance de formes pour identifier et

caractériser des gravats recyclés

Phat triển các thuật toán nhận dạng hình

dạng để xác định và mô tả đặc tính của đắng

đổ nát tái chê

Spécialité: Systemes Intelligenis et Muldmédia

Code : Programme pilote

MEMOIRE DE FIN D’ETUDES DU MASTER

INFORMATIQUE

Sous la direction de:

Dr Nicolas SIDERE, Assistant Professeur

Dr Jérome Lux, Maitre de Conférence

Nicolas Sidere : Favorable

'HANGf - 2020

ATTESTATION SUR LHONNEUR

Jatteste sur 'honneur que ce mémoire a été réalisé par moi-méme et que les données

et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs La

source des informations citées dans ce mémoire a été bien précisée

LOI CAM DOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu, kết quả nêu

trong Luận văn là trung thực và chưa từng được ai công bồ trong bất kỳ công trình nào khác Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn

Remerciements

Je souhaite tout d'abord a exprimer mes plus vifs remerciements a mes encadrants

Monsieur Nicolas Sidére, Assistant Professeur et Monsieur Jérome Lux Maitre de Confé-

rence pour mavoir accompagné et guide tout au long de mon stage Leurs consetls, leur

disponibililé mont permis de compléter ce mémoire et dacquérir une expérience inesti-

mable

Je remercie également le Dactorant Jean David Lau Hiu Hoong qui, malgré son em-

ploi du temps chargé & toujours su se rendre disponible lorsque favais besoin des expli-

cations on accede au machine de calcul

Je tiens & remercier Dr Muhammad Muzzamil LUIQMAN ef tout l'équipe di labora-

toire L3i qui ont participé a la réalisation et validation de ce projet

Je voudrais aussi remercier notre respumsable de Muster Dr Ho Tuong Vinh ainsi que

tous les personnels pédagagiques et administratifs de l'Institut Krancophane internatia-

nal, Université National de Vietnam à Hanoi

Enfin, je tiens @ exprimer ma profonde gratinude @ mes parents, @ ma famille pour

im'avoir apporté un soutien indéfectible et des encouragements canstants tout au long de

ies années de Master

Je ne saurais ouhlier M Tionel Moussou et mes amis qui ont toujours été la pour moi

Votre soutien inconditionnel et vos encouragements ont été d'une grande aide Je vous

remercie

Suidi DAGUDA KADRI

Résumé

Chaque annéc la France produit des millions de tonne de déchets incrtcs ct réuti-

liser une partie peu significalif.Dans ee projet il est question de trouver les moyens

iduines pour la valarisalion ces déchels au profil de Putilisalion des ressources nalu-

relles

Apres I'étape de création de la base de données suivi de l'implémentation d’une modele de classification.Létape suivante que nous avons aborde dans ce manuscrits

consiste 4 implémenter une méthode de détection et segmentation d'objet Le systeme

humaine est composé de plusieurs organes, mais celui qui s‘occupe de l'oeil est très complexe et joue un réle majeur Un seul coup d’oeil sur une image, homme arrive & identifier et localiser les objets sur l'image

La reproduction du fonctionnement des yeux sur ‘ordinateur sont des taches fasti- dieuses et laborieusement effectuées par les chercheurs, Mais depuis quelques années aver les méthades hasées sur l'approntissage profand, cos aches devicrment de plus

en plus facile

Pour attcindre Ics objcctifs nous étudicrons Ics travaux cxistant qui traite unc partic

ou Loiale de notre sujel afin d’avoir des connaissances sur les méthodes pour pouvnir

proposer une solulion et apporler des con

uirins

Mats clés : Reeonnaissance de formes, Analyse d'image, Apprentissage profend, Segmentation sémanlique, Segmentation Winstance, Agrégats recycles

TABLE DES MATIERES

3.1.1.2 Feature Pyramide Network(FPN)

3.1.1.3 Region Proposal Network(RPN) 3.114 Rolaign

3.1.1.5 Tête de Détection nu 3.1.16 Tête deSegmentation

TABLE DES FIGURES

Table des matiéres

1.1 Présentation de l’établissement d'accueil 2

LEE 13h « wis ay 3” xã Riese ““ <

1.1.1.1 Le laboratoire L3i, la structure de recherche en informa-

tique de 'Université de La Rochelle 2

1.1.1⁄2 Une politique scientiñque ancrée sur des enjeux socio-

21:3 ‘Méthode détection étseamentitionen temps réel #

2.2.1 Réseau de convolution basé sur les régions (R-CNN) 7

22.2 Réseau convolutionnel rapide basé sur la région(Fast R-CNN) 8 2.2.3 Réseau de convolution régional plus rapide (Faster R-CNN) « 9

2.2.4 Réseau de convolution basé sur le masque de région(Mask R-CNN) 10 2.2.5 Le modéle You Only Look Once(Yolo) ,

2.2.6 Réseau complément convolutifs (FCNs)

Résumé

Chaque annéc la France produit des millions de tonne de déchets incrtcs ct réuti-

liser une partie peu significalif.Dans ee projet il est question de trouver les moyens

iduines pour la valarisalion ces déchels au profil de Putilisalion des ressources nalu-

relles

Apres I'étape de création de la base de données suivi de l'implémentation d’une modele de classification.Létape suivante que nous avons aborde dans ce manuscrits

consiste 4 implémenter une méthode de détection et segmentation d'objet Le systeme

humaine est composé de plusieurs organes, mais celui qui s‘occupe de l'oeil est très complexe et joue un réle majeur Un seul coup d’oeil sur une image, homme arrive & identifier et localiser les objets sur l'image

La reproduction du fonctionnement des yeux sur ‘ordinateur sont des taches fasti- dieuses et laborieusement effectuées par les chercheurs, Mais depuis quelques années aver les méthades hasées sur l'approntissage profand, cos aches devicrment de plus

en plus facile

Pour attcindre Ics objcctifs nous étudicrons Ics travaux cxistant qui traite unc partic

ou Loiale de notre sujel afin d’avoir des connaissances sur les méthodes pour pouvnir

proposer une solulion et apporler des con

uirins

Mats clés : Reeonnaissance de formes, Analyse d'image, Apprentissage profend, Segmentation sémanlique, Segmentation Winstance, Agrégats recycles

Abstract

Each year France produces millions of tonnes of inert waste and reusing some oft

can be significant In this project it is a question of finding the appropriate means for the recovery of these waste for the henefit of the use of natural resources

After the step of creation of the database tollowing impiementation of a classifica- tion model The next step that we will discuss in this manuscript consists in implemen- ting a method of object detection and segmentation, The human system is made up of

several organs, but the one that takes care of the cye is very complex and plays a major

roie With a single glance at an image, man can identify and locate the objects on the

image

Reproducing the functioning of the eyes on the computer are tedious and laho- tiousty carried out by researchers a few years with the methods based on deep lear-

ning, these tasks become more and more eas!

‘To reach the objectives we will study the existing work which treats part or total of our subject in orderto have knowledge on the methods to be able to propose a solution

and make contributions

Keywords :Paitern recognition, Tmage analysis, Decp learning, scmantic segmen- tation, instance segmentation, recycled aggregates:

TABLE DES FIGURES

Liste des tableaux

2:1, Tableau compatatifi css ec wewssnaie eee wou 2n 22 1 0g eee Bie es Boe 16 4,1 Tableau des Résultats

4.2 Tableau des Résultats

Abstract

Each year France produces millions of tonnes of inert waste and reusing some oft

can be significant In this project it is a question of finding the appropriate means for the recovery of these waste for the henefit of the use of natural resources

After the step of creation of the database tollowing impiementation of a classifica- tion model The next step that we will discuss in this manuscript consists in implemen- ting a method of object detection and segmentation, The human system is made up of

several organs, but the one that takes care of the cye is very complex and plays a major

roie With a single glance at an image, man can identify and locate the objects on the

image

Reproducing the functioning of the eyes on the computer are tedious and laho- tiousty carried out by researchers a few years with the methods based on deep lear-

ning, these tasks become more and more eas!

‘To reach the objectives we will study the existing work which treats part or total of our subject in orderto have knowledge on the methods to be able to propose a solution

and make contributions

Keywords :Paitern recognition, Tmage analysis, Decp learning, scmantic segmen- tation, instance segmentation, recycled aggregates:

Résumé

Chaque annéc la France produit des millions de tonne de déchets incrtcs ct réuti-

liser une partie peu significalif.Dans ee projet il est question de trouver les moyens

iduines pour la valarisalion ces déchels au profil de Putilisalion des ressources nalu-

relles

Apres I'étape de création de la base de données suivi de l'implémentation d’une modele de classification.Létape suivante que nous avons aborde dans ce manuscrits

consiste 4 implémenter une méthode de détection et segmentation d'objet Le systeme

humaine est composé de plusieurs organes, mais celui qui s‘occupe de l'oeil est très complexe et joue un réle majeur Un seul coup d’oeil sur une image, homme arrive & identifier et localiser les objets sur l'image

La reproduction du fonctionnement des yeux sur ‘ordinateur sont des taches fasti- dieuses et laborieusement effectuées par les chercheurs, Mais depuis quelques années aver les méthades hasées sur l'approntissage profand, cos aches devicrment de plus

en plus facile

Pour attcindre Ics objcctifs nous étudicrons Ics travaux cxistant qui traite unc partic

ou Loiale de notre sujel afin d’avoir des connaissances sur les méthodes pour pouvnir

proposer une solulion et apporler des con

uirins

Mats clés : Reeonnaissance de formes, Analyse d'image, Apprentissage profend, Segmentation sémanlique, Segmentation Winstance, Agrégats recycles

TABLE DES MATIERES

3.1.1.2 Feature Pyramide Network(FPN)

3.1.1.3 Region Proposal Network(RPN) 3.114 Rolaign

3.1.1.5 Tête de Détection nu 3.1.16 Tête deSegmentation

Table des matiéres

1.1 Présentation de l’établissement d'accueil 2

LEE 13h « wis ay 3” xã Riese ““ <

1.1.1.1 Le laboratoire L3i, la structure de recherche en informa-

tique de 'Université de La Rochelle 2

1.1.1⁄2 Une politique scientiñque ancrée sur des enjeux socio-

21:3 ‘Méthode détection étseamentitionen temps réel #

2.2.1 Réseau de convolution basé sur les régions (R-CNN) 7

22.2 Réseau convolutionnel rapide basé sur la région(Fast R-CNN) 8 2.2.3 Réseau de convolution régional plus rapide (Faster R-CNN) « 9

2.2.4 Réseau de convolution basé sur le masque de région(Mask R-CNN) 10 2.2.5 Le modéle You Only Look Once(Yolo) ,

2.2.6 Réseau complément convolutifs (FCNs)

TABLE DES MATIERES

3.1.1.2 Feature Pyramide Network(FPN)

3.1.1.3 Region Proposal Network(RPN) 3.114 Rolaign

3.1.1.5 Tête de Détection nu 3.1.16 Tête deSegmentation

Résumé

Chaque annéc la France produit des millions de tonne de déchets incrtcs ct réuti-

liser une partie peu significalif.Dans ee projet il est question de trouver les moyens

iduines pour la valarisalion ces déchels au profil de Putilisalion des ressources nalu-

relles

Apres I'étape de création de la base de données suivi de l'implémentation d’une modele de classification.Létape suivante que nous avons aborde dans ce manuscrits

consiste 4 implémenter une méthode de détection et segmentation d'objet Le systeme

humaine est composé de plusieurs organes, mais celui qui s‘occupe de l'oeil est très complexe et joue un réle majeur Un seul coup d’oeil sur une image, homme arrive & identifier et localiser les objets sur l'image

La reproduction du fonctionnement des yeux sur ‘ordinateur sont des taches fasti- dieuses et laborieusement effectuées par les chercheurs, Mais depuis quelques années aver les méthades hasées sur l'approntissage profand, cos aches devicrment de plus

en plus facile

Pour attcindre Ics objcctifs nous étudicrons Ics travaux cxistant qui traite unc partic

ou Loiale de notre sujel afin d’avoir des connaissances sur les méthodes pour pouvnir

proposer une solulion et apporler des con

uirins

Mats clés : Reeonnaissance de formes, Analyse d'image, Apprentissage profend, Segmentation sémanlique, Segmentation Winstance, Agrégats recycles

Table des figures

BE) LOBOS + sa as avn woe

1⁄22 Logo Univ-la Rochelle

2.1 principe de l'architecture R-CNN

2.2 principe de l'architecture Fast R-CNN

2.3 principe de l'architecture Faster R-CNN

24 principe de l'architecture Mask R-CNN

2.5 principe de l'architecture Yolo

2.6 principe de l'architecture du réseau complément convolutifs 13 2.7 principe de l'architecture du réseau complément convolutifs 14 2.8 principe de l'architecture du réseau complément convolutifs 15

3.4 Architecture de Region Proposal Network

3.5 Architecture de Region Proposal Network

3.6 Architecture des tétes de sorties

3.7 Architecture d’acquisition d'image

TABLE DES MATIERES

3.1.1.2 Feature Pyramide Network(FPN)

3.1.1.3 Region Proposal Network(RPN) 3.114 Rolaign

3.1.1.5 Tête de Détection nu 3.1.16 Tête deSegmentation

Table des matiéres

1.1 Présentation de l’établissement d'accueil 2

LEE 13h « wis ay 3” xã Riese ““ <

1.1.1.1 Le laboratoire L3i, la structure de recherche en informa-

tique de 'Université de La Rochelle 2

1.1.1⁄2 Une politique scientiñque ancrée sur des enjeux socio-

21:3 ‘Méthode détection étseamentitionen temps réel #

2.2.1 Réseau de convolution basé sur les régions (R-CNN) 7

22.2 Réseau convolutionnel rapide basé sur la région(Fast R-CNN) 8 2.2.3 Réseau de convolution régional plus rapide (Faster R-CNN) « 9

2.2.4 Réseau de convolution basé sur le masque de région(Mask R-CNN) 10 2.2.5 Le modéle You Only Look Once(Yolo) ,

2.2.6 Réseau complément convolutifs (FCNs)

TABLE DES MATIERES

3.1.1.2 Feature Pyramide Network(FPN)

3.1.1.3 Region Proposal Network(RPN) 3.114 Rolaign

3.1.1.5 Tête de Détection nu 3.1.16 Tête deSegmentation

Abstract

Each year France produces millions of tonnes of inert waste and reusing some oft

can be significant In this project it is a question of finding the appropriate means for the recovery of these waste for the henefit of the use of natural resources

After the step of creation of the database tollowing impiementation of a classifica- tion model The next step that we will discuss in this manuscript consists in implemen- ting a method of object detection and segmentation, The human system is made up of

several organs, but the one that takes care of the cye is very complex and plays a major

roie With a single glance at an image, man can identify and locate the objects on the

image

Reproducing the functioning of the eyes on the computer are tedious and laho- tiousty carried out by researchers a few years with the methods based on deep lear-

ning, these tasks become more and more eas!

‘To reach the objectives we will study the existing work which treats part or total of our subject in orderto have knowledge on the methods to be able to propose a solution

and make contributions

Keywords :Paitern recognition, Tmage analysis, Decp learning, scmantic segmen- tation, instance segmentation, recycled aggregates:

Liste des tableaux

2:1, Tableau compatatifi css ec wewssnaie eee wou 2n 22 1 0g eee Bie es Boe 16 4,1 Tableau des Résultats

4.2 Tableau des Résultats

Liste des tableaux

2:1, Tableau compatatifi css ec wewssnaie eee wou 2n 22 1 0g eee Bie es Boe 16 4,1 Tableau des Résultats

4.2 Tableau des Résultats

Table des matiéres

1.1 Présentation de l’établissement d'accueil 2

LEE 13h « wis ay 3” xã Riese ““ <

1.1.1.1 Le laboratoire L3i, la structure de recherche en informa-

tique de 'Université de La Rochelle 2

1.1.1⁄2 Une politique scientiñque ancrée sur des enjeux socio-

21:3 ‘Méthode détection étseamentitionen temps réel #

2.2.1 Réseau de convolution basé sur les régions (R-CNN) 7

22.2 Réseau convolutionnel rapide basé sur la région(Fast R-CNN) 8 2.2.3 Réseau de convolution régional plus rapide (Faster R-CNN) « 9

2.2.4 Réseau de convolution basé sur le masque de région(Mask R-CNN) 10 2.2.5 Le modéle You Only Look Once(Yolo) ,

2.2.6 Réseau complément convolutifs (FCNs)

Table des figures

BE) LOBOS + sa as avn woe

1⁄22 Logo Univ-la Rochelle

2.1 principe de l'architecture R-CNN

2.2 principe de l'architecture Fast R-CNN

2.3 principe de l'architecture Faster R-CNN

24 principe de l'architecture Mask R-CNN

2.5 principe de l'architecture Yolo

2.6 principe de l'architecture du réseau complément convolutifs 13 2.7 principe de l'architecture du réseau complément convolutifs 14 2.8 principe de l'architecture du réseau complément convolutifs 15

3.4 Architecture de Region Proposal Network

3.5 Architecture de Region Proposal Network

3.6 Architecture des tétes de sorties

3.7 Architecture d’acquisition d'image

Abstract

Each year France produces millions of tonnes of inert waste and reusing some oft

can be significant In this project it is a question of finding the appropriate means for the recovery of these waste for the henefit of the use of natural resources

After the step of creation of the database tollowing impiementation of a classifica- tion model The next step that we will discuss in this manuscript consists in implemen- ting a method of object detection and segmentation, The human system is made up of

several organs, but the one that takes care of the cye is very complex and plays a major

roie With a single glance at an image, man can identify and locate the objects on the

image

Reproducing the functioning of the eyes on the computer are tedious and laho- tiousty carried out by researchers a few years with the methods based on deep lear-

ning, these tasks become more and more eas!

‘To reach the objectives we will study the existing work which treats part or total of our subject in orderto have knowledge on the methods to be able to propose a solution

and make contributions

Keywords :Paitern recognition, Tmage analysis, Decp learning, scmantic segmen- tation, instance segmentation, recycled aggregates:

TABLE DES FIGURES

TABLE DES FIGURES

Table des figures

BE) LOBOS + sa as avn woe

1⁄22 Logo Univ-la Rochelle

2.1 principe de l'architecture R-CNN

2.2 principe de l'architecture Fast R-CNN

2.3 principe de l'architecture Faster R-CNN

24 principe de l'architecture Mask R-CNN

2.5 principe de l'architecture Yolo

2.6 principe de l'architecture du réseau complément convolutifs 13 2.7 principe de l'architecture du réseau complément convolutifs 14 2.8 principe de l'architecture du réseau complément convolutifs 15

3.4 Architecture de Region Proposal Network

3.5 Architecture de Region Proposal Network

3.6 Architecture des tétes de sorties

3.7 Architecture d’acquisition d'image

Table des matiéres

1.1 Présentation de l’établissement d'accueil 2

LEE 13h « wis ay 3” xã Riese ““ <

1.1.1.1 Le laboratoire L3i, la structure de recherche en informa-

tique de 'Université de La Rochelle 2

1.1.1⁄2 Une politique scientiñque ancrée sur des enjeux socio-

21:3 ‘Méthode détection étseamentitionen temps réel #

2.2.1 Réseau de convolution basé sur les régions (R-CNN) 7

22.2 Réseau convolutionnel rapide basé sur la région(Fast R-CNN) 8 2.2.3 Réseau de convolution régional plus rapide (Faster R-CNN) « 9

2.2.4 Réseau de convolution basé sur le masque de région(Mask R-CNN) 10 2.2.5 Le modéle You Only Look Once(Yolo) ,

2.2.6 Réseau complément convolutifs (FCNs)

Résumé

Chaque annéc la France produit des millions de tonne de déchets incrtcs ct réuti-

liser une partie peu significalif.Dans ee projet il est question de trouver les moyens

iduines pour la valarisalion ces déchels au profil de Putilisalion des ressources nalu-

relles

Apres I'étape de création de la base de données suivi de l'implémentation d’une modele de classification.Létape suivante que nous avons aborde dans ce manuscrits

consiste 4 implémenter une méthode de détection et segmentation d'objet Le systeme

humaine est composé de plusieurs organes, mais celui qui s‘occupe de l'oeil est très complexe et joue un réle majeur Un seul coup d’oeil sur une image, homme arrive & identifier et localiser les objets sur l'image

La reproduction du fonctionnement des yeux sur ‘ordinateur sont des taches fasti- dieuses et laborieusement effectuées par les chercheurs, Mais depuis quelques années aver les méthades hasées sur l'approntissage profand, cos aches devicrment de plus

en plus facile

Pour attcindre Ics objcctifs nous étudicrons Ics travaux cxistant qui traite unc partic

ou Loiale de notre sujel afin d’avoir des connaissances sur les méthodes pour pouvnir

proposer une solulion et apporler des con

uirins

Mats clés : Reeonnaissance de formes, Analyse d'image, Apprentissage profend, Segmentation sémanlique, Segmentation Winstance, Agrégats recycles

Abstract

Each year France produces millions of tonnes of inert waste and reusing some oft

can be significant In this project it is a question of finding the appropriate means for the recovery of these waste for the henefit of the use of natural resources

After the step of creation of the database tollowing impiementation of a classifica- tion model The next step that we will discuss in this manuscript consists in implemen- ting a method of object detection and segmentation, The human system is made up of

several organs, but the one that takes care of the cye is very complex and plays a major

roie With a single glance at an image, man can identify and locate the objects on the

image

Reproducing the functioning of the eyes on the computer are tedious and laho- tiousty carried out by researchers a few years with the methods based on deep lear-

ning, these tasks become more and more eas!

‘To reach the objectives we will study the existing work which treats part or total of our subject in orderto have knowledge on the methods to be able to propose a solution

and make contributions

Keywords :Paitern recognition, Tmage analysis, Decp learning, scmantic segmen- tation, instance segmentation, recycled aggregates:

TABLE DES MATIERES

3.1.1.2 Feature Pyramide Network(FPN)

3.1.1.3 Region Proposal Network(RPN) 3.114 Rolaign

3.1.1.5 Tête de Détection nu 3.1.16 Tête deSegmentation

Résumé

Chaque annéc la France produit des millions de tonne de déchets incrtcs ct réuti-

liser une partie peu significalif.Dans ee projet il est question de trouver les moyens

iduines pour la valarisalion ces déchels au profil de Putilisalion des ressources nalu-

relles

Apres I'étape de création de la base de données suivi de l'implémentation d’une modele de classification.Létape suivante que nous avons aborde dans ce manuscrits

consiste 4 implémenter une méthode de détection et segmentation d'objet Le systeme

humaine est composé de plusieurs organes, mais celui qui s‘occupe de l'oeil est très complexe et joue un réle majeur Un seul coup d’oeil sur une image, homme arrive & identifier et localiser les objets sur l'image

La reproduction du fonctionnement des yeux sur ‘ordinateur sont des taches fasti- dieuses et laborieusement effectuées par les chercheurs, Mais depuis quelques années aver les méthades hasées sur l'approntissage profand, cos aches devicrment de plus

en plus facile

Pour attcindre Ics objcctifs nous étudicrons Ics travaux cxistant qui traite unc partic

ou Loiale de notre sujel afin d’avoir des connaissances sur les méthodes pour pouvnir

proposer une solulion et apporler des con

uirins

Mats clés : Reeonnaissance de formes, Analyse d'image, Apprentissage profend, Segmentation sémanlique, Segmentation Winstance, Agrégats recycles

Abstract

Each year France produces millions of tonnes of inert waste and reusing some oft

can be significant In this project it is a question of finding the appropriate means for the recovery of these waste for the henefit of the use of natural resources

After the step of creation of the database tollowing impiementation of a classifica- tion model The next step that we will discuss in this manuscript consists in implemen- ting a method of object detection and segmentation, The human system is made up of

several organs, but the one that takes care of the cye is very complex and plays a major

roie With a single glance at an image, man can identify and locate the objects on the

image

Reproducing the functioning of the eyes on the computer are tedious and laho- tiousty carried out by researchers a few years with the methods based on deep lear-

ning, these tasks become more and more eas!

‘To reach the objectives we will study the existing work which treats part or total of our subject in orderto have knowledge on the methods to be able to propose a solution

and make contributions

Keywords :Paitern recognition, Tmage analysis, Decp learning, scmantic segmen- tation, instance segmentation, recycled aggregates:

Abstract

Each year France produces millions of tonnes of inert waste and reusing some oft

can be significant In this project it is a question of finding the appropriate means for the recovery of these waste for the henefit of the use of natural resources

After the step of creation of the database tollowing impiementation of a classifica- tion model The next step that we will discuss in this manuscript consists in implemen- ting a method of object detection and segmentation, The human system is made up of

several organs, but the one that takes care of the cye is very complex and plays a major

roie With a single glance at an image, man can identify and locate the objects on the

image

Reproducing the functioning of the eyes on the computer are tedious and laho- tiousty carried out by researchers a few years with the methods based on deep lear-

ning, these tasks become more and more eas!

‘To reach the objectives we will study the existing work which treats part or total of our subject in orderto have knowledge on the methods to be able to propose a solution

and make contributions

Keywords :Paitern recognition, Tmage analysis, Decp learning, scmantic segmen- tation, instance segmentation, recycled aggregates: