| Titre : | Hybrid features fusion for writer identification usingsingle handwritten words |
| Auteurs : | Rayane Kadem, Auteur ; Yacine Rabehi, Auteur ; Nesrine Bouadjenek, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2020 |
| Format : | 1 fichier PDF (5.6 M) / ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Électronique : Alger, École Nationale Polytechnique : 2020 Bibliogr. f. 80 - 84 |
| Langues : | Anglais |
| Index. décimale : | PN00720 |
| Tags : | Writer identification Handwriting MLOG Hybrid features CNN |
| Résumé : | Handwriting as a part of behavioral biometrics has been proved to having the abilityto sufficiently differentiate any two individuals. Therefore, in this work, we proposea system for writer identification using single handwritten words. In this regard, wepropose, associated to Support Vector Machine (SVM) classifier, a hybrid features fusionthat combined features extracted from a new descriptor namely, Multiscale Local OrientedGradient (MLOG) and features generated from Convolutional Neural Network VGG-16.Two known approaches of writer identification were addressed: writer-dependent andwriter-independent. Experiments conducted on two standard datasets, showed satisfyingand very promising results |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PN00720 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Electronique | Téléchargeable |
Documents numériques (1)
|
KADEM.Rayane_RABEHI.Yacine.pdf URL
|
