Contribution à la reconnaissance automatique de caractères numériques
Loading...
Date
2019-07-08
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Mouloud Mammeri
Abstract
Cette thèse est consacrée à la reconnaissance des chiffres manuscrits isolés en s'appuyant principalement sur la Transformée en Ondelettes Discrète (TOD), le classifieur Machine à Vecteurs de Support (SVM) et les Réseaux de Neurones Convolutifs (CNN). Quatre contributions sont apportées:
La première porte sur le choix du type de l'Ondelette et des sous-bandes images générées par la TOD qui conviennent le mieux à la discrimination des chiffres manuscrits.
La seconde s'est basée sur l'étude comparative de plusieurs techniques de caractérisation des chiffres manuscrits. Cette étude nous a permis alors de mettre en place une méthode d'extraction de caractéristiques associant la TOD à une technique basée sur les Histogrammes de Gradients Orientés (HOG). Toutefois, les caractéristiques dégagées restent impertinentes, nombreuses voire redondantes. Afin de surmonter cette difficulté; nous avons développé une technique de réduction et de sélection de caractéristiques qui combine l'Analyse en Composantes Principales (ACP) et la méthode de Sélection Séquentielle Ascendante (SFS).
La quatrième et majeure contribution consiste en la suggestion d'un Réseau de Neurones Convolutif (CNN) permettant d'extraire des caractéristiques multiéchelles par apprentissage. Ce dernier combine le CNN standard; le classifieur SVM et la Transformée en Ondelettes.
Description
132 p. : ill. ; 30 cm. (+ CD-Rom)
Keywords
Reconnaissance des chiffres manuscrits, Ondelettes, SVM, Réseaux de neurones convolutifs, HOG, ACP, Ecriture manuscrite
Citation
Option : Automatique