Documents disponibles écrits par cet auteur

Hybrid features fusion for writer identification usingsingle handwritten words / Rayane Kadem 

Public ISBD Titre : Hybrid features fusion for writer identification usingsingle handwritten words Type de document : document électronique Auteurs : Rayane Kadem, Auteur ; Yacine Rabehi, Auteur ; Nesrine Bouadjenek, Directeur de thèse Editeur : [S.l.] : [s.n.] Année de publication : 2020 Importance : 1 fichier PDF (5.6 M) Présentation : 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 (eng) Mots-clés : Writer  identification Handwriting MLOG Hybrid  features CNN Index. décimale : PN00720 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 Hybrid features fusion for writer identification usingsingle handwritten words [document électronique] / Rayane Kadem, Auteur ; Yacine Rabehi, Auteur ; Nesrine Bouadjenek, Directeur de thèse . - [S.l.] : [s.n.], 2020 . - 1 fichier PDF (5.6 M) : ill. 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 (eng) Mots-clés : Writer  identification Handwriting MLOG Hybrid  features CNN Index. décimale : PN00720 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

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Spécialité	Etat_Exemplaire
EP00077	PN00720	Ressources électroniques	Bibliothèque centrale	Projet Fin d'Etudes	Disponible	Electronique	Téléchargeable

Documents numériques

KADEM.Rayane_RABEHI.Yacine.pdf URL