WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Caractérisation et extraction informatique de la structure d'un tableau par une méthode implémentant un réseau de neurones

( Télécharger le fichier original )
par Pacifique BISIMWA MUGISHO
Institut Supérieur Pédagogique - Licence en Informatique de Gestion 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

SIGLES ET ABREVIATIONS

ASCII : American Standard Code For Information Interchange (en français, `' Code standard américain pour l'échange de l'information»)

HTML : HyperText Markup Language (en français, `'Langage de balisage hypertexte») ISODATA : Iterative Self-Organizing Data Analysis Technique yAy! (en français, Technique d'analyse itérative et auto - organisatrice des données).

JPEG : Joint Photographic Expert Group (en français, `'Union des groupes d'experts en photographie»)

KNN : K Nearest Neighbours (en français, `'K plus proches voisins»)

MS : Microsoft

OCR : Optical Caracter Recognition (en français, «Réconnaissance optique des caractères»)

RVB : Rouge Vert Bleu

SVM : Support Vector Machine (en français, `'Machine à vecteur support»)

XML : eXtensible Markup Langage (en français, `'Langage de balisage extensible»)

VI

Résumé

La reproduction automatique de la structure des tableaux contenus sur des documents physiques pose encore un sérieux problème lors de la réédition de ces documents ; surtout lorsque ces derniers sont déjà remplis de données. Ce problème réside dans la détection et la compréhension de la structure même du tableau numérisé en vue d'une reproduction de cette structure pour la réédition du même document.

Le présent travail montre que le problème de détection et d'extraction de la structure des tableaux peut être résolu efficacement en utilisant une approche implémentée avec les réseaux de neurones artificiels, et basée sur les éléments de structuration d'un tableau. Ces éléments de structuration sont considérés comme des exemples d'apprentissage pour le réseau de neurones. Dans le contexte de ce travail, un tableau est défini comme un ensemble de lignes et de colonnes et les intersections de ces derniers constituent les cellules du tableau.

Sachant que la conception de l'architecture d'un réseau de neurones ne repose sur aucun modèle donné qu'elle est plutôt heuristique, nous avons donc choisi une architecture qui nous a semblé convenable et efficace à la résolution de notre problème de recherche.

Une approche neuronale a été implémentée et sa performance expérimentée. Les résultats obtenus nous ont permis de confirmer l'atteinte de nos objectifs car, la structure du tableau ainsi reproduite (au format MS WORD) peut être utilisée pour la réédition d'un autre document tabulaire de même type.

Mots clés : vision par ordinateur, réseaux de neurones, détection des tableaux, structure des tableaux.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Nous voulons explorer la bonté contrée énorme où tout se tait"   Appolinaire