| Titre : | Apport de l’apprentissage profond pour la prédiction du genre à partir de l’écriture manuscrite |
| Auteurs : | Ryad Lotfi Mahtal, Auteur ; Khalil Meftah, Auteur ; Nesrine Bouadjenek, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2020 |
| Format : | 1 fichier PDF (4.1 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. 85 - 88 |
| Langues : | Français |
| Index. décimale : | PN00920 |
| Tags : | Prédiction du genre de l’écrivain Ecriture manuscrite Texture CNN Filtres Gabor |
| Résumé : | L’écriture manuscrite est une biométrie comportementale personnelle qui caractérise l’individu d’une façon unique. Elle permet d’obtenir plusieurs informations propre à son auteur tel que le genre. Dans ce travail, nous proposons un système de prédiction automatique du genre à partir de l’écriture manuscrite en utilisant l’apprentissage profond. A cet effet, nous proposons en premier lieu de générer des images textures par genre à partir des échantillons d’écriture manuscrite. Nous associerons ensuite ces images à un Réseau de Neurones Convolutifs (CNN) afin d’extraire les caractéristiques propres à chaque genre.Enfin, nous proposons d’utiliser les filtres de Gabor avec les CNNs pour une meilleure ex-traction de caractéristiques. Les différents tests sont effectués sur deux bases de données standards. Les résultats obtenus sont très satisfaisants et prometteurs. |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PN00920 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Electronique | Téléchargeable |
Documents numériques (1)
|
MAHTAL.Ryad_MEFTAH.Khalil.pdf URL
|
