{"id":{"repo_id":"ets-quebec","oai_identifier":"oai:espace.etsmtl.ca:3326"},"canonical_url":"https://search.ndltd.org/etd/ets-quebec/oai:espace.etsmtl.ca:3326","repository":{"repo_id":"ets-quebec","name":"ETS (Quebec)","base_url":"https://espace.etsmtl.ca/cgi/oai2"},"display":{"title":"Détection automatique de l’environnement d’un véhicule autonome à l’aide de l’intelligence artificielle","abstract":"Le Ministère des Transports du Québec (MTQ) souhaite préparer la province du Québec pour l’arrivée des véhicules autonomes. Ce projet a été confié à l’École de Technologie supérieure (ÉTS) et à l’Institut du Véhicule Innovant (IVI), dans le but de cartographier les routes du Québec à l’aide d’images provenant d’une caméra montée sur un véhicule. À partir de ces images, des objets seront détectés à l’aide d’algorithmes de vision artificielle. Ainsi, le MTQ souhaite faire la détection automatique des nids de poule, lampadaires brisés et glissières de sécurité accidentées défectueuses afin de rehausser le niveau de sécurité routière. Cette étude met l’accent sur la récupération de données locales afin d’entrainer des modèles de détections pour les infrastructures routières. De ce fait, des modèles basés sur l’apprentissage profond et l’architecture YOLO ont été entrainés. Le meilleur résultat obtenu pour la détection de nids de poule est 0.729 mAP. Pour la détection de lampadaires brisés, il est de 0.840 mAP. Aussi, ce projet a permis de récupérer une base de données contenant de plus de 8000 images et 4 classes de détections.","abstract_html":"Le Ministère des Transports du Québec (MTQ) souhaite préparer la province du Québec pour l’arrivée des véhicules autonomes. Ce projet a été confié à l’École de Technologie supérieure (ÉTS) et à l’Institut du Véhicule Innovant (IVI), dans le but de cartographier les routes du Québec à l’aide d’images provenant d’une caméra montée sur un véhicule. À partir de ces images, des objets seront détectés à l’aide d’algorithmes de vision artificielle. Ainsi, le MTQ souhaite faire la détection automatique des nids de poule, lampadaires brisés et glissières de sécurité accidentées défectueuses afin de rehausser le niveau de sécurité routière. Cette étude met l’accent sur la récupération de données locales afin d’entrainer des modèles de détections pour les infrastructures routières. De ce fait, des modèles basés sur l’apprentissage profond et l’architecture YOLO ont été entrainés. Le meilleur résultat obtenu pour la détection de nids de poule est 0.729 mAP. Pour la détection de lampadaires brisés, il est de 0.840 mAP. Aussi, ce projet a permis de récupérer une base de données contenant de plus de 8000 images et 4 classes de détections.","abstract_has_math":false,"creators":["Guillemelle, Quentin"],"institution":"École de technologie supérieure","degree_name":"Mémoire de maîtrise électronique","degree_level":"masters","degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023-09-11","date_published":"2023-09-11","updated_at":"2026-11-18T22:10:08Z","subjects":["détection d’objets, infrastructures routières, apprentissage profond"],"languages":["fr"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE3326"],"render_values":[{"text":"INSERT-YOUR-LIBRARY-ID-HERE3326","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null,"record_url":null,"record_label":null,"record_kind":null,"record_source":null,"download_url":"https://espace.etsmtl.ca/id/eprint/3326/1/GUILLEMELLE_Quentin.pdf","download_label":"Download PDF","download_source":"dc:identifier","access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://espace.etsmtl.ca/cgi/oai2?verb=GetRecord&metadataPrefix=oai_etdms&identifier=oai%3Aespace.etsmtl.ca%3A3326","prefix":"oai_etdms"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Guillemelle, Quentin"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023-09-11"]},{"key":"dc:publisher","label":"Institution","values":["École de technologie supérieure"]},{"key":"dc:type","label":"Dc Type","values":["Electronic Thesis or Dissertation"]},{"key":"thesis:degree_level","label":"Degree Level","values":["masters"]},{"key":"thesis:degree_name","label":"Degree Name","values":["Mémoire de maîtrise électronique"]},{"key":"thesis:institution_name","label":"Thesis Institution Name","values":["École de technologie supérieure"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["détection d’objets, infrastructures routières, apprentissage profond"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["fr"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["INSERT-YOUR-LIBRARY-ID-HERE3326","https://espace.etsmtl.ca/id/eprint/3326/1/GUILLEMELLE_Quentin.pdf"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Le Ministère des Transports du Québec (MTQ) souhaite préparer la province du Québec pour l’arrivée des véhicules autonomes. Ce projet a été confié à l’École de Technologie supérieure (ÉTS) et à l’Institut du Véhicule Innovant (IVI), dans le but de cartographier les routes du Québec à l’aide d’images provenant d’une caméra montée sur un véhicule. À partir de ces images, des objets seront détectés à l’aide d’algorithmes de vision artificielle. Ainsi, le MTQ souhaite faire la détection automatique des nids de poule, lampadaires brisés et glissières de sécurité accidentées défectueuses afin de rehausser le niveau de sécurité routière. Cette étude met l’accent sur la récupération de données locales afin d’entrainer des modèles de détections pour les infrastructures routières. De ce fait, des modèles basés sur l’apprentissage profond et l’architecture YOLO ont été entrainés. Le meilleur résultat obtenu pour la détection de nids de poule est 0.729 mAP. Pour la détection de lampadaires brisés, il est de 0.840 mAP. Aussi, ce projet a permis de récupérer une base de données contenant de plus de 8000 images et 4 classes de détections."]},{"key":"dc:format","label":"Dc Format","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Détection automatique de l’environnement d’un véhicule autonome à l’aide de l’intelligence artificielle"]}]}],"canonical_facts":{"dc:creator":["Guillemelle, Quentin"],"dc:date":["2023-09-11"],"dc:description":["Le Ministère des Transports du Québec (MTQ) souhaite préparer la province du Québec pour l’arrivée des véhicules autonomes. Ce projet a été confié à l’École de Technologie supérieure (ÉTS) et à l’Institut du Véhicule Innovant (IVI), dans le but de cartographier les routes du Québec à l’aide d’images provenant d’une caméra montée sur un véhicule. À partir de ces images, des objets seront détectés à l’aide d’algorithmes de vision artificielle. Ainsi, le MTQ souhaite faire la détection automatique des nids de poule, lampadaires brisés et glissières de sécurité accidentées défectueuses afin de rehausser le niveau de sécurité routière. Cette étude met l’accent sur la récupération de données locales afin d’entrainer des modèles de détections pour les infrastructures routières. De ce fait, des modèles basés sur l’apprentissage profond et l’architecture YOLO ont été entrainés. Le meilleur résultat obtenu pour la détection de nids de poule est 0.729 mAP. Pour la détection de lampadaires brisés, il est de 0.840 mAP. Aussi, ce projet a permis de récupérer une base de données contenant de plus de 8000 images et 4 classes de détections."],"dc:format":["application/pdf"],"dc:identifier":["INSERT-YOUR-LIBRARY-ID-HERE3326","https://espace.etsmtl.ca/id/eprint/3326/1/GUILLEMELLE_Quentin.pdf"],"dc:language":["fr"],"dc:publisher":["École de technologie supérieure"],"dc:subject":["détection d’objets, infrastructures routières, apprentissage profond"],"dc:title":["Détection automatique de l’environnement d’un véhicule autonome à l’aide de l’intelligence artificielle"],"dc:type":["Electronic Thesis or Dissertation"],"thesis:degree_level":["masters"],"thesis:degree_name":["Mémoire de maîtrise électronique"],"thesis:institution_name":["École de technologie supérieure"]},"updated_at":"2026-11-18T22:10:08Z"}