UR1 - Université de Rennes 1, INSA Rennes - Institut National des Sciences Appliquées - Rennes, CNRS - Centre National de la Recherche Scientifique : UMR6074
Résumé : Dans ce papier, nous présentons un nouvel algorithme d'apprentissage incrémental d'un système de reconnaissance en-ligne de caractères manuscrits. L'objectif est d'apprendre «à la volée » toute nouvelle classe de caractères à partir de très peu d'exemples de caractères tout en optimisant les classes déjà modélisées au fur et à mesure de la saisie de nouveaux exemples. Le système proposé est capable de surmonter le problème du manque de données d'apprentissage lors de l'introduction d'une nouvelle classe de caractères grâce à la synthèse de caractères artificiels. Les tests ont été conduits dans le cadre d'un apprentissage incrémental mono-scripteur de lettres minuscules cursives sur une base de 18 scripteurs. Les résultats montrent qu'un bon taux de reconnaissance (environ 90 %) est atteint en utilisant seulement 5 exemples d'apprentissage par classe. De plus, ce taux augmente rapidement pour atteindre 94 % pour 10 exemples, et environ 97 % pour 30. Une réduction d'erreur de 40 % est obtenue en utilisant la synthèse de caractères par rapport à une stratégie sans synthèse.
https://hal.archives-ouvertes.fr/hal-00491329
Contributor : Abdullah Almousa Almaksour <>
Submitted on : Friday, June 11, 2010 - 11:34:42 AM Last modification on : Thursday, January 7, 2021 - 4:10:51 PM Long-term archiving on: : Thursday, December 1, 2016 - 2:56:37 AM
Abdullah Almousa Almaksour, Harold Mouchère, Eric Anquetil. Apprentissage incrémental avec peu de données pour la reconnaissance de caractères manuscrits en-ligne. Traitement du Signal, Lavoisier, 2009, pp.00. ⟨hal-00491329⟩