MAD : une plateforme mobile pour l'annotation de document vers la classification
Résumé
Aujourd’hui, l’incroyable explosion de l’acquisition mobile d’images ou de documents
parait sans limite. Bien qu’il soit facile de les partager sur les réseaux sociaux ou sur le cloud,
il est encore très difficile de les classer automatiquement, de les trier ou de rechercher à l’intérieur
de cette base de connaissance. Pour répondre à ce défi, nous devons d’abord proposer une
annotation automatique pertinente pour pouvoir utiliser par la suite une recherche lexicale robuste.
C’est l’objectif de cet article que de proposer une plate-forme mobile pour l’annotation
de document automatique, claire, efficace et rapide qui permet d’envisager une recherche en
texte clair. Notre approche repose sur une nouvelle méthode d’annotation automatique de documents
basée sur la reconnaissance de zones saillantes comme le logo. Les résultats montrent
la pertinence de l’approche, nous obtenons une moyenne rappel de 80,6 % et une précision de
100%. La précision (100%) met en évidence la robustesse de l’approche que nous proposons.
ABSTRACT. Nowadays, the incredible explosion of mobile acquisition of image or documents is
unstoppable. While it is easy to share them, it is still very difficult to automatic classify, sort and
search inside this knowledge. To answer this challenge, we first have to provide an appropriate
automatic annotation to use lexical search robust methods. It is the objective of this paper to
propose a mobile platform for clear, efficient and quick automatic document annotation that
enable to consider a plain text search. Our approach relies on a new automatic document
annotation method based on logo recognition. We evaluate the method on a corpus composed
of 1766 administrative documents The results show the relevance of the approach, we obtain
an average recall of 80.6% and a precision of 100%. The precision (100%) highlights the
robustness of the approach.