dc.contributor.author |
Bouamama, Melissa |
|
dc.contributor.author |
Berreguia, Rahma |
|
dc.contributor.author |
Asli, L. ; promoteur |
|
dc.contributor.author |
Zaidi, A. ; promoteur |
|
dc.date.accessioned |
2024-12-23T08:27:51Z |
|
dc.date.available |
2024-12-23T08:27:51Z |
|
dc.date.issued |
2024 |
|
dc.identifier.other |
003MAS/385 |
|
dc.identifier.uri |
http://univ-bejaia.dz/dspace/123456789/25253 |
|
dc.description |
Option : Sciences de Données et Aide à la Décision |
en_US |
dc.description.abstract |
Cette etude se concentre sur la reconnaissance automatique hors ligne des caractères latins en langue amazighe. Un système OCR a été développé en utilisant l'apprentissage profond pour identifier les caractères. Un corpus de données a été construit, structuré en trois niveaux : caractères, mots et phrases. La méthodologie adoptée comprend la préparation et le prétraitement des images à l'aide de techniques de binarisation, de reduction du bruit et de squelettisation. Pour l'extraction des caract éristiques et la classification, deux modeles d'apprentissage profond ont été élaborés : un modèle hybride combinant des couches CNN et BiLSTM qui a atteint un taux de reconnaissance de 94%, et un modele basé sur l'architecture DenseNet qui a obtenu un taux de reconnaissance de 97%.
Le resultat final montre une performance avec un taux de reconnaissance de 97% et une bonne précision pour la plupart des caractères étudiés dans ce travail. |
en_US |
dc.language.iso |
fr |
en_US |
dc.publisher |
Université Abderramane Mira-Bejaia |
en_US |
dc.subject |
Reconnaissance automatique hors ligne : Caracteres latins : Langue amazighe : Apprentissage profond : CNN : BiLSTM : DenseNet : Corpus : Modèle hybrid |
en_US |
dc.title |
Traitement automatique des caractères Latins en Tamazight. |
en_US |
dc.type |
Thesis |
en_US |