Deep Learning Project
Ce projet vise à développer et comparer des modèles de deep learning pour compter et analyser des foules dans des images. Il reproduit deux architectures populaires (MCNN et SS-DCNet) afin d'évaluer leur performance sur des données réelles comme le jeu de données ShanghaiTech. L'objectif est d'améliorer la gestion des foules lors d'événements publics ou de manifestations, en fournissant des outils précis pour le suivi et la planification des interventions.
Dépôt de code
Cas d'utilisation métiers
- Estimation de densité de personnes : rechercher des initiatives proches
- Optimisation des ressources policières : rechercher des initiatives proches
- Comparaison d'architectures de deep learning : rechercher des initiatives proches
- Gestion de foules en temps réel : rechercher des initiatives proches
- Analyse d'images pour la sécurité publique : rechercher des initiatives proches
Cas d'utilisation fonctionnel
Outils utilisés
- scikit-image : voir les initiatives qui l'ont aussi
- PyTorch : voir les initiatives qui l'ont aussi
- NumPy : voir les initiatives qui l'ont aussi
- TensorFlow : voir les initiatives qui l'ont aussi
- scikit-learn : voir les initiatives qui l'ont aussi
- Torch : voir les initiatives qui l'ont aussi
- Pillow : voir les initiatives qui l'ont aussi
- SciPy : voir les initiatives qui l'ont aussi
Description générée le jeudi 12 novembre 2026 à 19:42:11