Réduction du rapport -> passage en 3 pages

article/resume.tex

@@ -173,16 +173,26 @@ $Pr_{i}(\theta, x)$ représente la probabilité d'un échantillon $x$ d'apparten
 Un CNN a été construit afin d'exploiter le contenu des affiches de films. Il contient une seule couche entièrement connectée. 
 Ensuite, ce CNN est intégré dans le DNN multimodal. 
 
-\begin{figure}[h!]
-    \centering
-    \includegraphics[width=10cm]{img/img_architecture.png}
-        \caption{Architecture du modèle}
-\end{figure}
+\begin{minipage}{\linewidth}
+	\begin{minipage}{0.4\linewidth}
+		\begin{figure}[H]
+			\centering
+			\includegraphics[width=10cm]{img/img_architecture.png}
+			\caption{Architecture du modèle}
+		\end{figure}
+	\end{minipage}
+	\hspace{0.2\linewidth}
+	\begin{minipage}{0.4\linewidth}
+		Pour la dernière couche du DNN, il s'agit de la fonction d'activation softmax afin de classifier le niveau de réussite financière du film. 
+		Et pour évaluer le modèle, il s'agit d'une fonction de "cross-entropy". La fonction de coût est minimisée est correspond à une erreur quadratique moyenne. \\
+		Le principal avantage de ce modèle est qu'il utilise des fonctionnalités de données multimodales, ce qui donne plus d'informations et donc une meilleure prédiction. 
+	\end{minipage}
+\end{minipage}
+
+
+
 
-Pour la dernière couche du DNN, il s'agit de la fonction d'activation softmax afin de classifier le niveau de réussite financière du film. 
-Et pour évaluer le modèle, il s'agit d'une fonction de "cross-entropy". La fonction de coût est minimisée est correspond à une erreur quadratique moyenne. \\
 
-Le principal avantage de ce modèle est qu'il utilise des fonctionnalités de données multimodales, ce qui donne plus d'informations et donc une meilleure prédiction. 
 
 %EXPERIENCE
 \section{Expérience}
@@ -229,7 +239,6 @@ Cette expérience montre que le CNN se focalise sur les régions avec du texte.
 %CONCLUSION
 \section{Conclusion}
 Dans ce papier, un DNN multimodal a été proposé pour prédire le revenu box-office de films. Un CNN a d’abord été utilisé pour extraire des données de posters puis un DNN multimodal a été mis en place avec en entrée le résultat du CNN et des données relatives aux films (acteurs, durée, genre etc). \\
-
 L’expérience a montré des résultats satisfaisants selon les critères définis. Il a d’ailleurs été noté que le résultat du DNN était meilleur lorsque le CNN (affiche de films) était pris en compte.