Discussion :

[djtsou]

Il existe plus de cinquante types de réseau neuronaux. Nous citons essentiellement :
-le perceptron de Rosemblatt 1958,
-l’adaline de Widrow et Hoff 1960,
-les réseaux de Hopfield 1982,
-les réseaux d’anticipation, ect.
A votre avis, quelle est le type de réseau le plus utilisé pour la reconnaissance des formes ?
Juste une petite information, je vais utiliser le réseau de neurone pour la Reconnaissance de Signatures Manuscrite Hors-ligne.
Merci !

[pseudocode]

Tu devrais également regarder du coté des "Hidden Markov Model" et de l'algorithme de Baum-Welch.

[djtsou]

Merci pseudocode de me répondre,
Je sais bien que les méthodes de reconnaissance les plus utilisées (efficaces) pour une signature manuscrite sont :
-Hidden Markov model (HMM),
- Dynamic Time Warping (DTW), etc.
Mais malheureusement mon encadreur exige que j’utilise les réseaux de neurone pour la reconnaissance d’une signature manuscrite.

[pseudocode]

Mais malheureusement mon encadreur exige que j’utilise les réseaux de neurone pour la reconnaissance d’une signature manuscrite.

Bon, et bien s'il n'y a pas le choix, essaye le perceptron multi-couches.

[ToTo13]

bonjour,

tu pourras de toute façon essayer de compenser en prenant des caractéristiques les plus pertinentes possibles.

[djtsou]

bonjour,

tu pourras de toute façon essayer de compenser en prenant des caractéristiques les plus pertinentes possibles.

Les caractéristiques les plus pertinentes possibles d’une signature : caractéristiques géométriques, l’angle d’orientation de la signature ou encore le nombre de pixel noir dans l’image signature (bien sur après la binarisation de l’image)… (Peut être il ya d’autres caractéristiques plus pertinentes )
Comment peut-on utiliser ces caractéristiques pour la reconnaissance de la signature avec le réseau de neurone ?

[ToTo13]

Bonjour,

Les caractéristiques les plus pertinentes possibles d’une signature : caractéristiques géométriques, l’angle d’orientation de la signature ou encore le nombre de pixel noir dans l’image signature (bien sur après la binarisation de l’image)… (Peut être il ya d’autres caractéristiques plus pertinentes )
Comment peut-on utiliser ces caractéristiques pour la reconnaissance de la signature avec le réseau de neurone ?

Dans une méthode de classement (réseaux de neurones, régressions++, pls, ...) on donne un vecteur caractéristique en entrée et on obtient un probabilité de classement.
En général, toute la pertinence de ton travail réside dans la pertinence des caractéristiques contenu dans le vecteur. Celles-ci peuvent être de toute sorte et en général varient en fonction du problème (logique ).
Attention au nombre de pixel noir, car il ne sera pas caractéristique si le scan de ton image change de résolution, si l'utilisateur change de stylo, ... En général on préfère des caractéristiques sans dimension.
Pour ce qui est de l'angle, j'aurai tendance à te conseiller de faire subir une rotation à la signature en fonction de l'axe principal afin justement de supprimer les erreurs de rotations Quand j'écris, je le fais sur une feuille bien droite, mais pour une signature, peu importe. D'ailleurs, les méthode de caractérisation doivent être invariantes par rotation (de préférence, sinon soucis et gros problèmes en perspective).

Est ce que tu as fait un peu d'état de l'art sur les méthode de reconnaissance de caractères manuscrit ?
Est ce que tu connais les articles suivant (dont un traite de l'angle entre certains points caractérisitiques ?
- Yali Amit and Donald Geman and Kenneth Wilder : Joint Induction of Shape Features and Tree Classifiers, in 1997 in IEEE Transactions on Pattern Analysis and Machine Intelligence. (Celui avec les angles).
- Balazs Kégl and Adam Krzyzak : Piecewise linear skeletonization using principal curves, in 2002 in IEEE Transactions on Pattern Analysis and Machine Intelligence. (Un bon squelette pour pouvoir étudier les courbures).
- Liana M. Lorigo and Venu Govindaraju : Off-Line Arabic Handwriting Recognition : A Survey, in 2006 in IEEE Transactions on Pattern Analysis and Machine Intelligence.
- Øivind Due Trier and Anil K. Jain and Torfinn Taxt : Feature extraction methods for character recognition-A survey; in 1996 in IEEE Transactions on Pattern Recognition Letters. Apparemment un article clef du domaine (cité partout), mais impossible d'y mettre la main dessus sans l'acheter. Les auteurs ne m'ont jamais répondu. Si tu le trouves, fais moi signe
- Jan Flusser and Thomas Suk : Affine Moment Invariants: A New Tool For Character Recognition, in 1994 in IEEE Transaction on Pattern Recognition Letters. (Une caractéristique simple basée sur les moments).
- Michael Blumensteina and Xin Yu Liua and Brijesh Verma : An investigation of the modified direction feature for cursive character recognition, in 2007 in IEEE Transaction on Pattern Recognition. (J'aime moins )

[djtsou]

Merci encore de me répondre,
Je voulais juste vous clarifier quelques choses : je suis en train de préparer mon PFE (projet fin d’étude) sur l’identification d’une signature par segmentation d’une image. Alors j’ai remarqué que mon projet peut être décomposé en quatre étapes essentielles (bien sure après une longue recherche) :
-la première étape : le prétraitement qui regroupe l'ensemble des processus visant à améliorer les caractéristiques d'une image.
-la deuxième étape : la segmentation qui sert à extraire la signature d’un document (moi je travail avec les chèques bancaires).
-La troisième étape : extraction des informations pertinentes et la représentation de ces information en vue de leur classification (vecteur, graphe…)
- la dernière étape consiste à reconnaitre la signature en utilisant des modèles comme le modèle de Markov caché (MMC) (en anglais Hidden Markov Models (HMM)), les réseaux de neurone, Dynamic Time Warping (DTW), SVM…
J’ai réussi à réaliser les deux premières étapes, j'ai pu extraire la signature du document sauf qu’il me faut la normalisée avant de passer à la troisième étape.
Je n'ai aucune idées concernant la deuxième et la troisième étape, j’ai juste pris un livre de la bibliothèque: reconnaissance des formes et analyse des scènes ; Murat Kunt, Giovanni Coray, Goesta Granlund, Jean-Paul Haton, Rolf lngold et Michel Kocher.
Merci pour les articles j’ai pu les téléchargés sauf bien sûr les trois deniers.
Si quelqu’un n’est pas d’accord avec moi sur les quatre étapes, n’hésitez pas à me signaler
merci !