English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Plusieurs facteurs inherents a l’ecriture augmentent la complexite de la reconnaissance automatique de documents manuscrits, comme la taille de l’ecriture. Dans ce travail nous nous interessons a la prise en compte de tels facteurs dans la modelisation afin d’ameliorer la performance des systemes automatiques. Les experimentations ont ete conduites sur des textes manuscrits arabes extraits de l’une des plus grandes bases etiquetees de documents manuscrits arabes, la base de donnees NIST-OpenHaRT qui inclut de grandes variabilites dans la taille du texte inter et intra mots et lignes. Nous proposons plusieurs approches pour faire face a ces variations lors des deux phases d’apprentissage et de reconnaissance. Les premieres experimentations montrent que la reconnaissance est largement affectee par la taille d’ecriture. Pour prendre en compte ce parametre nous proposons de classifier les donnees en trois classes selon la taille. En phase de reconnaissance, nous avons redimensionne chaque donnee de test a plusieurs tailles predefinies, puis nous avons combine les scores de reconnaissance associes a chacune des tailles. Cette approche a permis des gains notables de performance de deux systemes de reconnaissance, HMM et BLSTM. De plus, nous avons integre des donnees artificiellement redimensionnees pour adapter les modeles HMM a differentes echelles. Nous avons aussi obtenu des gains de performance par deux methodes differentes de combinaison (ROVER, treillis) des resultats des modeles adaptes. Nous fournissons les resultats de reconnaissance obtenus qui montrent les avantages de l’exploitation de la taille d’ecriture.

Exploitation de l'échelle d'écriture pour améliorer la reconnaissance automatique des textes manuscrits arabe