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

 > 

Système de reconnaissance hors-ligne des mots manuscrits arabe pour multi-scripteurs

( Télécharger le fichier original )
par Riadh BOUSLIMI
FSJEGJ Jendouba - Mastère Recherche : Données, Connaissances et Systèmes Distribués 2006
  

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

2.2. Approches de reconnaissance

Deux approches s'opposent en reconnaissance des mots : globale et analytique. La figure n°1 nous montre comment réaliser un système OCR.

2.2.1. Approche globale

L'approche globale se base sur une description unique de l'image du mot, vue comme une entité indivisible. Disposant de beaucoup d'informations, en effet, la discrimination de mots proches est très difficile, et l'apprentissage des modèles nécessite une grande quantité d'échantillons qui est souvent difficile à réunir.

Cette approche est souvent appliquée pour réduire la liste de mots candidats dans le contexte d'une reconnaissance à grands vocabulaires. Il est nécessaire d'utiliser dans ce cas des primitives très robustes (coarse features). Le mot reconnu est ensuite trouvé à l'aide de primitives de plus en plus précises (ou d'un classifieur de plus en plus fin). Cette combinaison de classifieurs est appelée combinaison sérielle par Madvanath [S. Madvanath & V. Govindaraju 1992], par opposition à la combinaison parallèle où les sorties des classifieurs sont considérées en même temps. Pour les vocabulaires réduits et distincts (exemple: reconnaissance de montants littéraux de chèques bancaires), cette approche reste parfaitement

envisageable comme cela a été fait par Simon [J. C. Simon 1992], Gilloux [M. Gilloux & M. Leroux 1993], Knerr [S. Knerr & al. 1997], Guillevic [D. Guillevic and C. Suen 1997] et Saon [A. Belaïd et G. Saon. 1997].

2.2.2. Approche analytique

L'approche analytique basée sur un découpage (segmentation) du mot. La difficulté d'une telle approche a été clairement évoquée par Sayre en 1973 et peut être résumée par le dilemme suivant : "pour reconnaître les lettres, il faut segmenter le tracé et pour segmenter le tracé, il faut reconnaître les lettres". Il s'ensuit qu'un processus de reconnaissance selon cette approche doit nécessairement se concevoir comme un processus de relaxation alternant les phases de segmentation et d'identification des segments. La solution communément adoptée consiste à segmenter le mot manuscrit en parties inférieures aux lettres appelés graphèmes et à retrouver les lettres puis le mot par combinaison de ces graphèmes. C'est une méthode de segmentation explicite qui s'oppose à la segmentation interne où la reconnaissance des lettres s'opère sur des hypothèses de segmentation variables (générées en fonction des observations courantes) [R. G. Casey and E. Lecolinet 1995]. Cette approche est la seule applicable dans le cas de grands vocabulaires.

Figure 1: Différents systèmes, représentations et approches de reconnaissance.

2.2.3. Problématique de l'approche analytique

L'approche analytique présente quelques problèmes au niveau de la localisation. Sayre en 1973 a évoqué le dilemme suivant : «Pour apprendre les modèles de lettres il faut pouvoir localiser ces dernières, et pour les localiser il faut avoir appris les modèles des lettres ». On distingue alors trois grandes voies de segmentations :

ü segmentation explicite : segmentation sur des critères topologiques (Figure 2a)

ü segmentation implicite : segmentation d'après les modèles de lettres (Figure 2b)

ü sans segmentation : détection de la présence d'une lettre (Figure 2c)

Figure 2 : Exemples de Segmentations [A. Belaïd 2002].

a. Segmentation explicite

L'avantage de cette segmentation c'est que l'information est localisée explicitement et ça va dans le sens de Sayre puisque on sépare les lettres non pas d'après leur reconnaissance, mais d'après des critères topologiques ou morphologiques.

Le défaut majeur de cette segmentation vient en premier lieu de choix des limites indépendant des critères des modèles : les limites sous-optimales pour les modèles et modélisation sous-optimale. En deuxième lieu il n'existe pas de méthode de segmentation fiable à 100% et pour toute erreur de segmentation pénalise le système dès la base.

La segmentation explicite n'est pas parfaite pour un système de reconnaissance des mots manuscrite [A. Belaïd 2002].

b. Segmentation implicite

L'avantage de cette segmentation c'est que l'information est localisée par les modèles des lettres et la validation se fait par ses modèles. Il n'y aura pas d'erreur de segmentation et enfin on contourne le dilemme de Sayre car en connaissant les lettres, on n'engendre pas d'erreur de segmentation.

Les défauts de cette segmentation viennent du fait que l'espace de recherche des limites se trouve très augmenté et le problème est ramené à un problème de recherche de zones où se trouvent ces limites, reposant le problème de Sayre sur les zones.

Cette segmentation présente des avantages et des inconvénients ce qui fait que cette approche est insuffisante pour une modélisation optimale de l'écriture [Belaïd A. 2002].

c. Sans segmentation

Les avantages de cette segmentation c'est qu'elle résout tous les problèmes d'optimalité cités, elles ne délimitent pas les lettres, elles ont une vision globale des mots, et donc écartent la sous-optimalité de la segmentation.

Les principaux défauts c'est qu'elle pose le problème de l'optimalité de l'apprentissage des lettres : c'est-à-dire comment apprendre correctement sans délimiter correctement, cela repousse le problème d'optimalité au niveau de l'apprentissage.

Cette approche reste la seule approche optimale vis-à-vis des mots elle nécessite cependant un apprentissage adéquat pour conserver l'optimalité : l'effort portera sur ce point [Belaïd A., 2002].

précédent sommaire suivant