Deep Learning pour La Reconnaissance des caractères manuscrits.

Abstract

Dans notre travail, nous utilisons le deep learning, plus précisément, les réseaux de neurones convoltionnel (CNN) pour la reconnaissance des caractères manuscrits arabes et chiffres, qui sont des réseaux neuronaux multicouches spécifiquement conçus pour les tâches de reconnaissance de formes. Un avantage majeur des réseaux convolutifs est l'utilisation de poids uniques associés aux signaux de tous les neurones entrant dans un seul noyau convolutif. Cette approche réduit l'empreinte mémoire, améliore les performances et permet l'invariance de la traduction dans le traitement par rapport à d'autres algorithmes de classification d'images, les réseaux de neurones convolutifs utilisent relativement peu de prétraitement. Ce projet consiste à utiliser et créer un classificateur de caractères avec trois modèles de réseaux neurones convolutionnels différents et à évaluer le meilleur d'entre eux en modifiant des hyper paramètres. Les résultats obtenus ont montré que le choix du nombre d'époque, la taille de la base de données ainsi que la profondeur du réseau ont une grande influence pour avoir de meilleurs résultats.