IMAGE CLASSIFICATION USING SUPERVISED DEEP LEARNING METHODS

Abstract

Dans ce mémoire nous avons traité le problème de la classification des images en l’apprentissage supervisé en utilisons une dataset des lettres manuscrites arabe. Il est bien connu que ce domaine est très difficile d’une part par manque de base de données et d’autre part par des caractères similaires, qui varient en fonction du type d’écriture manuscrite et de l’écrivain, ce qui entraine automatiquement la complexité de plusieurs systèmes menant à la reconnaissance des caractères est complexe de la part du script non fixé, de la forme et du type de police. Dans ce projet trois methods de réseaux de neurones ont été testé : CNN,RNN et ResNet; des amélioration et des changements ont été apporté au niveau d’architecture avec des optimisations apporté dans le but d’avoir des meilleurs résultats de classification des lettres arabes par rapport aux résultats obtenu par les recherches précédentes. En supplément, Nous avons développé une application web qui permet à l’écrivain de choisir l’approche qu’il souhaite et d’écrire une lettre qui sera classer (reconnue) selon l’approche choisie.