Modélisation de HMM en contexte avec des arbres de décision pour la reconnaissance de mots manuscrits
RésuméCet article présente un système à base de HMM pour la reconnaissance hors ligne de mots manuscrits. Afin de prendre en compte les liaisons entre les caractères d’un même mot (monographes), leurs modèles sont considérés dépendants de leur contexte (trigraphes). Une telle modélisation augmente d...
Na minha lista:
| Auteurs principaux: | , , , |
|---|---|
| Formato: | Article ou chapitre numérique |
| Idioma: | Français |
| Publicado em: |
2011
|
| Assuntos: | |
| Acesso em linha: | Accès Université d'Orléans et IFPM |
| Resumo: | RésuméCet article présente un système à base de HMM pour la reconnaissance hors ligne de mots manuscrits. Afin de prendre en compte les liaisons entre les caractères d’un même mot (monographes), leurs modèles sont considérés dépendants de leur contexte (trigraphes). Une telle modélisation augmente de manière considérable le nombre de paramètres à calculer, ce qui nous amène à considérer un partage des paramètres. Nous effectuons un clustering sur chaque position d’état, basé sur des arbres de décision qui ont l’avantage, en phase de test, de pouvoir associer un modèle connu à un trigraphe non appris. Nous avons testé notre système sur la base publique Rimes, et ses performances dépassent celles d’un système à base de monographes et atteignent plus de 80 % de mots correctement reconnus. |
|---|