Premier essai de recherche sur la reconnaissance optique des caractères Tifinaghes de l'amazighe, réalisé en 2008.

1. 1
La Reconnaissance Optique des Caractères
Application á la Graphie Amazighe
Présenté par
AIT OUGUENGAY Youssef
Encadré par :
Mr. Taalabi
Ecole Mohammadia d’Ingénieurs
DESA / CPI
2008

2. 2
PLAN
DESA / CPI juillet 2008
2. La graphie Amazighe
3. Cahier des charges et démarche.
4. Création des modèles d’apprentissage
5. Extraction des caractéristiques
6. Le réseaux de neurones artificiels (RNA)
7. Apprentissage du RNA
1. Introduction.

3. 3
Motivations
 Travaux d’aménagement de la langue amazighe (codage
Unicode/ISO10646 (2002), standardisation de
l’amazighe,..)
 Intégration de la langue amazighe dans les NTIC.
 Premier travail d’OCR pour l’amazighe (travaux en cours)
 Utilisation des réseaux de neurones:
 Outils classiques dans les problèmes de classification.
 Simplification de la modélisation des problèmes
statiques non linéaires.
 Efficaces dans le cas d’un nombre important de
variables.
DESA

4. Introduction
DESA / CPI juillet 2008 4
Acquisition
Segmentation
Apprentissage
Post-traitement
Prétraitement
Extraction des
Caractéristiques
Classification
Modèles
Les composants d’un système de ROC :

5. 5
PLAN
DESA / CPI juillet 2008
3. La graphie Amazighe
2. Cahier des charges et démarche.
4. Création des modèles d’apprentissage
5. Extraction des caractéristiques
6. Le réseaux de neurones artificiels (RNA)
7. Entraînement du RNA
1. Introduction.

6. Cahier des charges et démarche
 Objectif : La classification des caractères
amazighes
 Technologie utilisée :
 les polices de caractéres amazighes éxistants
pour la constitution de la base de données
d’apprentissage
 réseaux de neurones artificiels pour la
classification.
DESA / CPI juillet 2008 6

7.  Démarche séparée en 3 étapes :
 présentation des formats de caractères en un format
plus approprié à l’aide des polices de caractéres.
 Extraction des caractéristiques
 Simulation et entraînement du réseau de neurones
artificiels.
DESA / CPI juillet 2008 7
Cahier des charges et démarche

8. 8
PLAN
DESA / CPI juillet 2008
3. La graphie Amazighe
2. Cahier des charges et démarche.
4. Création des modèles d’apprentissage
5. Extraction des caractéristiques
6. Le réseaux de neurones artificiels (RNA)
7. Apprentissage du RNA
1. Introduction.

9. 9
La graphie amazighe
 Alphabet «Tifinaghe» = système d’écriture amazighe.
 Plusieurs variantes existent (Afrique de nord, Sahara,
îles canaries)
 Origine = alphabet libyque et saharien depuis 6éme
siècle avant l’ère chrétienne
 Aucun changement de formes à travers l’histoire
 55 caractères sont retenu (Unicode)
 Tifinaghe-IRCAM, néo-tifinaghe, touaregs,..
 33 caractère pour l’alphabet marocaine retenue :
Tifinaghe-IRCAM.
DESA / CPI juillet 2008

10. 10
La graphie amazighe
DESA / CPI juillet 2008

11. 11
La graphie amazighe
• Formes géométriques simples
• Caractères à plusieurs composantes connexes
SITA'08 systémes intélligent : théories et applications

12. 12
PLAN
DESA / CPI juillet 2008
3. La graphie Amazighe
2. Cahier des charges et démarche.
4. Création des modèles d’apprentissage
5. Extraction des caractéristiques
6. Le réseaux de neurones artificiels (RNA)
7. Entraînement du RNA
1. Introduction.

13. 13
Création des modèles d’apprentissage
• 12 polices de caractères
• Tailles entre : 10 points – 28 points
DESA / CPI 2008

14. 14
Création des modèles d’apprentissage
• Images de départ = Tableaux contenant
un caractères par cellule
• Création de la base de données brut
 Taille réelle (300
dpi)
Cadrage minimal de chaque caractère
 Arborescence de stockage bien
définis (../caract/font_taille.png)
DESA / CPI 2008

15. 15
Création des modèles d’apprentissage
Deux types de normalisation des patterns :
Tailles réelles des patterns + Remplissage par des pixels
éteints.
Hmax = 105 pixels
Lmax = 125 pixel
 1ére normalisation :
DESA / CPI 2008

16. 16
Création des modèles d’apprentissage
Tailles normalisées vers une valeur normalisé calculée
(24*24 pixels).
Hnorm = 24 pixels
Lnorm = 24 pixels
 2éme normalisation :

17. 17
PLAN
DESA / CPI juillet 2008
3. La graphie Amazighe
2. Cahier des charges et démarche.
4. Création des modèles d’apprentissage
5. Extraction des caractéristiques
6. Le réseaux de neurones artificiels (RNA)
7. Entraînement du RNA
1. Introduction.

18. 18
Extraction des caractéristiques
 Caractéristiques à extraire : variables d’entrée
 Centre de gravité du caractère
 Densité (pixels allumés (=Aire) / la surface totale de l’image)

19. Extraction des caractéristiques
DESA / CPI juillet 2008 19
 projection verticale de l’image du caractère.
 Projection horizontale de l’image de caractère

20. Extraction des caractéristiques
DESA / CPI juillet 2008 20
 Périmètre du caractère par rapport au périmètre de l’image.
Π Compacité = ((périmètre)²/(4 Aire))

21. Extraction des caractéristiques
DESA / CPI juillet 2008 21
 Moments centrales d’ordre 2
X et y sont les centres de masse de caractère.

22. 22
PLAN
DESA / CPI juillet 2008
3. La graphie Amazighe
2. Cahier des charges et démarche.
4. Création des modèles d’apprentissage
5. Extraction des caractéristiques
6. Le réseaux de neurones artificiels (RNA)
7. Apprentissage du RNA
1. Introduction.

23. Le réseau de neurones
 Un RNA est un système d’équation
de N variables.
 Inconnus : les poids des connections
entre les nœuds
 Architecture : multicouches à
connexion complète.
 chaque nœud fait un calcul simple
selon une fonction seuil d’activation.
23
sortie
entrée
Variables d’entrée
couche
cachée

24. Le réseau de neurones
 Cas du reconnaissance des formes
 Sorties bien connus
 Apprentissage supervisé
 Entrées = caractéristiques extraites des caractères
24SITA'08 systémes intélligent : théories et applications

25. 25
Le réseau de neurones
Un Perceptron multicouche à une seule couche cachée
Couche d’entrée
C.Sortie
 33 neurones =
33 caractères
SITA'08 systémes intélligent : théories et applications

26. 26
Le réseau de neurones
 Caractéristiques extraits = variables d’entrée
centre de gravité du caractère (2 neurones)
Moments centrales d’ordre 2. (3 neurones)
projection verticale de l’image du caractère. ( L neurones)
Projection horizontale de l’image de caractère ( H neurones )
Périmètre du caractère par rapport au périmètre de l’image. (1 neurones)
Densité (pixels allumés (Aire) / la surface totale de l’image) (1
neurone )
ΠCompacité ((périmètre) ²/ (4 Aire)) ( 1 neurone )
SITA'08 systémes intélligent : théories et applications
La couche d’entrée

27. Le réseau de neurones
La couche de sortie
 33 neurones = 33 cractéres
La couche cachée :
 nbr de neurones par essai et erreur + règles pratiques (littérature)
 Nombre indicatif retenu = (n(c.entrée)+n(c.sortie)) / 2
27

28. 28
PLAN
DESA / CPI juillet 2008
3. La graphie Amazighe
2. Cahier des charges et démarche.
4. Création des modèles d’apprentissage
5. Extraction des caractéristiques
6. Le réseaux de neurones artificiels (RNA)
7. Apprentissage du RNA
1. Introduction.

29. 29
Apprentissage du RNA
BD des
modèles
 Logiciel de simulation = JavaNNS
 Base de données des modèles
est un fichier textes formaté.
 Base de données devisée en deux
partie:
1. Fichier d’entraînement
(Tailles paires des patterns)
1. Fichier de validation (test)
(Tailles impaires patterns)
• Constitution de la base de données
d’entraînement :

30. 30
Apprentissage du RNA (premiers résultats)
 1ére normalisation des patterns (tailles réelles des caract..)
 Configuration du réseau de neurones :
 c.e : 138 neurones
 c.c : 85 neurones
 c.s : 33 neurones
 Base de données d’apprentissage : ~ 3900 Patterns et 3500
pattern pour le test
 Inconnus : ~14535 connexions à calculer ((138*85)+(85*33)).

31. 31
Apprentissage du RNA (premiers résultats)
entraînement
validation
Évolution de l’erreur quadratique
moyenne (MSE)

32. Apprentissage du RNA (Amélioration du RNA)
 Pour améliorer les résultats du simulation :
On effectue une première amélioration :
 On utilise la deuxième normalisation des images des
caractères ( vers une taille de 24*24 pixels)
32

33. Apprentissage du RNA (version améliorée)
 Normalisation des patterns.
 Configuration du réseau de neurones
 c.e : 56 neurones
 c.c : 44 neurones
 c.s : 33 neurones
 Avec une base de données triplée : 10700
d’entrainement et 10500 pour le test.
 Inconnus : ~3916 connexions à déterminer.
33

34. 34
Apprentissage du RNA (version améliorée)
Evolution de l’erreur quadratique moyenne (MSE)
en fonction de nombres de neurones de la couche
cachée.

35. 35
Apprentissage du RNA (version améliorée)
 Une deuxième amélioration :
On augmente la taille de la base de données
d’apprentissage en introduisant des variantes Gras et
italique des polices de caractères.
 La Base de données est triplé.

36. 36
Apprentissage du RNA (version améliorée)
Evolution de l’erreur quadratique moyenne (MSE)
en fonction de nombres de neurones de la couche
cachée.
SITA'08 systémes intélligent : théories et applications

37. 37
Conclusions et perspectives
 Le RNA donne un bon rendement même avec peu de
données .
 La recommandation en pratique est d’avoir beaucoup
plus de données que de connexions dans le réseaux.
Dans notre cas :
connexions données rapport
14535 3900 0.2
3916 10700 2.7

38. Conclusions et perspectives
Perspectives de ce travail :
 Augmentation de la BD d’apprentissage :
 Plus de polices de caractéres.
 Introduction des modèles d’apprentissage bruités.
 Chiffres, ponctuation..
 Implimentation du réseau dans un systéme ROC.
DESA / CPI juillet 2008 38

39. MERCI
39