La reconnaissance automatique des chiffres manuscrits isolés par les modèles de Markov cachés

Abstract

Les modèles de Markov caché ont prouvé leur efficacité dans le domaine de la reconnaissance de la parole. Leur application à la de reconnaissance de l'écriture manuscrite hors-ligne est un sujet encore ouvert à la recherche dont le but aujourd'hui est de diminuer le taux d'erreur. Les HMMs sont des modèles stochastiques qui résistent au bruit, aux variations et l'élasticité de la forme, ce qui est une exigence fondamentale en écriture manuscrite. Notre travail a pour objectif général d'appliquer le modèle de Markov caché à la reconnaissance des chiffres manuscrits isolés. Nous présentons dans ce mémoire un système de reconnaissance des chiffres manuscrits isolés basé sur des HMMs discrets de topologie Gauche-Droite et ergodîque, en appliquant une quantification vectorielle sur les caractéristiques extraites à partir des images des chiffres par l'algorithme K-means. Notre approche est validée et évaluée sur le corpus MNIST que nous avons exploité dans sa totalité. Les expériences que nous avons mené, ont comme arguments la topologie des HMMs, le nombre d'états par modèle, la taille du CodeBook, ainsi que le nombre d'itérations.