A partir de cette page vous pouvez :
Retourner au premier écran avec les étagères virtuelles... |
Résultat de la recherche
1 résultat(s) recherche sur le mot-clé 'OCR, ICR, IWR, CNN, Approche cognitives, Apprentissage machine, Deep Learning, SVM, Clustering, Pièce d’identité'
Affiner la recherche Faire une suggestion
Mise en place d’une application mobile de lecture et reconnaissance automatique des pièces d’identité Marocaines / Zakariae EL MESAOUDI / Rania ZYANE
Titre : Mise en place d’une application mobile de lecture et reconnaissance automatique des pièces d’identité Marocaines Type de document : projet fin études Auteurs : Zakariae EL MESAOUDI / Rania ZYANE, Auteur Année de publication : 2017 Langues : Français (fre) Catégories : Génie Logiciel Mots-clés : OCR, ICR, IWR, CNN, Approche cognitives, Apprentissage machine, Deep Learning, SVM, Clustering, Pièce d’identité Index. décimale : 1749/17 Résumé : L’analyse textuelle des documents numérisés, des images ou des vidéos a toujours été utile car la globalité des ressources de données est non structurée, outre le fait que le texte est beaucoup plus facile à analyser, à indexer et à stocker. Pourtant, faire apprendre à un ordinateur comment ‘voir’ pourrait être une tâche laborieuse à accomplir. Une mauvaise qualité de l’image, du texte flou ou même une police de texte peu commune, sont tous des facteurs qui peuvent augmenter la complexité de la tâche de reconnaissance textuelle d’une façon drastique.
De nombreuses recherches ont été menées dans ce domaine. En partant des approches purement géométriques à celles purement mathématiques et statistiques, la reconnaissance du texte a évolué de plus en plus et tant de solutions ont été proposées au cours des dernières décennies. Néanmoins, ces solutions diffèrent en termes de nombreux critères : la robustesse, la précision, le temps d'exécution, etc. Certaines peuvent même fonctionner mieux que d'autres lorsque appliquées à un type spécifique de documents.
La reconnaissance optique de caractères classique OCR a monopolisé ce domaine pendant des dizaines d'années. Cependant, de nouvelles techniques ont été révélées récemment, en particulier avec l'émergence des approches cognitives et de l'apprentissage machine. Notre objectif principal est de créer une solution pour détecter et reconnaître à la fois les textes et les visages à partir d'images de cartes d'identité, de permis de conduire et de passeports afin de récupérer les données des personnes et de les stocker facilement.
Avec le large éventail d'approches disponibles de nos jours, il s’est avéré un must de mener une étude comparative exhaustive pour classer les différentes approches existantes : Reconnaissance optique de caractères OCR, Reconnaissance intelligente de mots IWR, Reconnaissance intelligente de caractères ICR, Support Vector Machines, Clustering, Deep Learning (apprentissage profond) avec les réseaux de neurones convolutifs, etc. L'objectif est de présenter leurs avantages et inconvénients respectifs en fonction des critères précédemment indiqués (précision, temps d'exécution, etc.) et choisir la solution avec laquelle nous allons mettre en place le système.
Mise en place d’une application mobile de lecture et reconnaissance automatique des pièces d’identité Marocaines [projet fin études] / Zakariae EL MESAOUDI / Rania ZYANE, Auteur . - 2017.
Langues : Français (fre)
Catégories : Génie Logiciel Mots-clés : OCR, ICR, IWR, CNN, Approche cognitives, Apprentissage machine, Deep Learning, SVM, Clustering, Pièce d’identité Index. décimale : 1749/17 Résumé : L’analyse textuelle des documents numérisés, des images ou des vidéos a toujours été utile car la globalité des ressources de données est non structurée, outre le fait que le texte est beaucoup plus facile à analyser, à indexer et à stocker. Pourtant, faire apprendre à un ordinateur comment ‘voir’ pourrait être une tâche laborieuse à accomplir. Une mauvaise qualité de l’image, du texte flou ou même une police de texte peu commune, sont tous des facteurs qui peuvent augmenter la complexité de la tâche de reconnaissance textuelle d’une façon drastique.
De nombreuses recherches ont été menées dans ce domaine. En partant des approches purement géométriques à celles purement mathématiques et statistiques, la reconnaissance du texte a évolué de plus en plus et tant de solutions ont été proposées au cours des dernières décennies. Néanmoins, ces solutions diffèrent en termes de nombreux critères : la robustesse, la précision, le temps d'exécution, etc. Certaines peuvent même fonctionner mieux que d'autres lorsque appliquées à un type spécifique de documents.
La reconnaissance optique de caractères classique OCR a monopolisé ce domaine pendant des dizaines d'années. Cependant, de nouvelles techniques ont été révélées récemment, en particulier avec l'émergence des approches cognitives et de l'apprentissage machine. Notre objectif principal est de créer une solution pour détecter et reconnaître à la fois les textes et les visages à partir d'images de cartes d'identité, de permis de conduire et de passeports afin de récupérer les données des personnes et de les stocker facilement.
Avec le large éventail d'approches disponibles de nos jours, il s’est avéré un must de mener une étude comparative exhaustive pour classer les différentes approches existantes : Reconnaissance optique de caractères OCR, Reconnaissance intelligente de mots IWR, Reconnaissance intelligente de caractères ICR, Support Vector Machines, Clustering, Deep Learning (apprentissage profond) avec les réseaux de neurones convolutifs, etc. L'objectif est de présenter leurs avantages et inconvénients respectifs en fonction des critères précédemment indiqués (précision, temps d'exécution, etc.) et choisir la solution avec laquelle nous allons mettre en place le système.
Réservation
Réserver ce document
Exemplaires
Code barre Cote Support Localisation Section Disponibilité 1749/17 1749/17 ZAK Texte imprimé unité des PFE PFE/2017 Disponible