Scribd
Importer
21 vues20 pages

Django 2

Ce document présente le développement d'une application web de classification d'images utilisant Django et TensorFlow. Il décrit la conception, l'implémentation, ainsi que les outils et datasets utilisés pour entraîner et évaluer le modèle. L'application permet aux utilisateurs de soumettre des images pour une classification automatique.

Transféré par

Yahya CHARIT
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PPTX, PDF, TXT ou lisez en ligne sur Scribd
21 vues20 pages

Django 2

Ce document présente le développement d'une application web de classification d'images utilisant Django et TensorFlow. Il décrit la conception, l'implémentation, ainsi que les outils et datasets utilisés pour entraîner et évaluer le modèle. L'application permet aux utilisateurs de soumettre des images pour une classification automatique.

Transféré par

Yahya CHARIT
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PPTX, PDF, TXT ou lisez en ligne sur Scribd

Développement d'une

Application Web de
Classification d'Images
avec Django
Réaliser par :
Bader Bensbaho
Ayoub Bouimsiln
Yahya Charit
Plan
Introduct
01 ion
Concepti
02 on
- Diagramme de cas
d'utilisation
Présentation de
- Diagramme de class

03 Implémenta
Dataset
04 tion
- Les outils utilisés
- Les interface d'application
- Exemple pratique
01
INTRODUCTION
GÉNÉRALE
Introduction
Générale

Ce projet vise a développer une


application web capable de classifier
automatiquement des images
soumises par les utilisateurs. En
intégrant un modèle de classification
d'images basé sur TensorFlow avec
une interface web développée en
Django .
02
Conception
Diagramme de cas d'utilisation
Diagramme de class
03
Présentation de
Dataset
PRESENTATION DE DATASET
UTILISÉ
Dataset
Test
11%
Train : Utilisé pour entraîner le modèle.
Validation : Utilisé pour évaluer le
modèle pendant l'entraînement et ajuster

Validation les hyperparamètres.


25%
Train
Test : Utilisé pour évaluer la performance
64% du modèle après l’entraînement.

Train Talidation Test


04
IMPLÉMENTATION
Les outils utilisés

DJANGO JUPYTER
Framework web pour créer
Environnement interactif
l'interface utilisateur de
pour tester et documenter
l'application de
le code.
classification.

TensorFlow & Keras CUSTOMER SUPPORT


servent à créer, entraîner Describe customer support services
et prédire avec le modèle offered, including technical support,
de classification d'images. training, and warranties/guarantees.
Highlight customer success stories to
demonstrate effectiveness
Les Interfaces :
Créer un compte
Authentification
Home
Home (Upload)
Résultat
Historique
EXEMPLE
PRATIQUE
THANKS!

Vous aimerez peut-être aussi