COMBINAISON SVM ET APPRENTISSAGE PROFOND POUR LA RECONNAISSANCE DE CARACTERES ARABE

Abstract

Notre travail consiste à construire un système de reconnaissance des caractères arabes manuscrits à l'aide de réseaux de neurones convolutifs (CNN) et de machines à vecteur support (SVM), où nous avons proposé03 modèles : un modèle pour chaque technique et un modèle hybride qui combine entre les deux., ensuite on a fait la comparaison des résultats en choisissant les meilleurs paramètres pour les deux techniques. Pour faire ce travail, nous avons utilisé la base de données de caractères arabes manuscrits AHCD constituée de 16 800 caractères écrits par 60 participants, les résultats obtenus sont très encourageants.

يتمثل عملنا في بناء نظام للتعرف على الحروف العربية المكتوبة بخط اليد باستخدام الشبكات العصبية التلافيفية (CNN) وآلات ناقلات الدعم (SVM)، حيث استخدمنا ثلاثة نماذج:نموذج واحد لكل تقنية ونموذج هجين لكليهما، ثم قمنا بمقارنة النتائج باختيار أفضل المعلمات للتقنيتين. للقيام بهذا العمل، استخدمنا قاعدة بيانات الأحرف العربية المكتوبة بخط اليد AHCD والتي تتكون من 16800 حرفًا كتبها 60 مشاركًا، وكانت النتائج التي تم الحصول عليها مشجعة للغاية.

Our work consists in building a handwritten Arabic character recognition system using convolutional neural networks (CNN) and support vector machines (SVM), whereweused 03 models : one model for each technique and hybrid model for both, then we compared the results by choosing the best parameters for the two techniques. To do this work, we used the AHCD handwritten Arabic character database consisting of 16800 characters written by 60 participants, the results obtained are very encouraging.