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

3. Processus d'utilisation

3.1.Apprentissage des modèles des lettres

Dans cette partie nous allons extraire les modèles des lettres pour chaque scripteur dans ses différentes formes. Nous allons analyser chaque modèle et d'extraire leurs matrices de distributions afin de les enregistrer dans la base de données d'apprentissage (figure 21). Le schéma général d'apprentissage est illustré par la figure 20.

Modèles des

lettres des
différents
scripteurs

RIMA

Sous Système
d'Apprentissage

BD
XML

Figure 20 : Modèle d'apprentissage

Figure 21 : Portion de la base d'apprentissage

3.2.Reconnaissance des mots manuscrits arabes

Dans cette partie notre système va essayer de reconnaître les mots entrés. Nous mesurons par la suite la précision de reconnaissance pour chaque mot, qui est le pourcentage des lettres reconnues par rapport au nombre totale des lettres de chaque mot (figure 22).

Liste des
mots

RIMA

Sous Système de

reconnaissance

Mesure de
la précision

Figure 22 : Modèle de reconnaissance

La figure 23 montre un exemple de reconnaissance du mot «a+4Å», la reconnaissance se fait de façon incrémentale caractère par caractère, en se basant sur la base d'apprentissage précédemment construite. Cet exemple utilise une reconnaissance supervisée.

En entré, on a une image nettoyée qui passera a un processus de d'extraction incrémental des trames qui ce dernier se charge de retrancher une trame du mot image et l'envoyer au processus de correspondance qui effectuera la correspondance entre la trame extraite et les modèles des lettres dans la base de données d'apprentissage avec la prise en compte de la position au début et aussi dont les modèles qui sont isolés. Une fois la première lettre reconnue le système récupère l'identité du scripteur qui a écrit cette lettre et le système enregistre dans sa mémoire la première lettre. Le système modifie la requête de sélection des modèles afin d'optimiser et d'éviter le parcours de tous les modèles de tous les scripteurs. Le système recommence le processus d'extraction en éliminant la première partie dont elle correspond à la lettre trouvée. Le système dans sa deuxième mission va chercher dans la base de données tous les modèles qui sont au début puisqu'il s'agit s'un nouveau psédo-mot, etc.

Sixième
Lettre

ÉÜ

Cinquième
Lettre

ÜíÜ

Extraction incrémentai des trames

Quatrième
Lettre

Üã

Correspondance

??????

Troisième
Lettre

?

Image

Deuxième
Lettre

?

Mot solution

Reconnaissance
du scripteur

Première
Lettre

Figure 23 : Exemple de reconnaissance de mot manuscrit

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








"Je ne pense pas qu'un écrivain puisse avoir de profondes assises s'il n'a pas ressenti avec amertume les injustices de la société ou il vit"   Thomas Lanier dit Tennessie Williams