La reconnaissance d'écriture Arabe Manuscrite

Abstract

La reconnaissance automatique de l'écriture arabe manuscrite demeure un domaine de recherche et d'exploration de méthodes et techniques modernes pour la conception de procédures, logiciels modernes optimisés à l'instar des autres langues, et ce en dépit de la portée de cette langue au travers le monde (400 millions de locuteurs /internet). Nous constatons que les avancées technologiques n'ont pas pour autant fait avancer les recherches sur cette problématique qui nécessite plus d'effort et peut être plus de volonté. Notre étude a consisté d'une part, à comprendre la problématique, d'analyser les différentes solutions proposées par les chercheurs pour la reconnaissance des caractères arabes manuscrits, d'explorer d'autres part les techniques et méthodes de traitement utilisées pour cette reconnaissance et de concevoir un système relativement fiable, optimisé pouvant contribuer à mieux cerner les difficultés relatives à la reconnaissance de l'écriture arabe compte tenu de la spécificité de ses caractères, tel qu'expliqué dans le document (caractère, au début d'un mot, au milieu du mot, à la fin d'un mot). Nous rappelons les différentes méthodes et processus utilisés pour atteindre notre objectif avec une marge d'erreur acceptable, en référence aux moyens et disponibilité d'information. La première phase de notre étude s'est articulée sur la compréhension des caractéristiques des caractères arabes en prenant connaissance des différentes méthodes de classification et processus de reconnaissance évoquées dans les différentes expériences y afférentes. Nos différentes recherches et tests ont conclu en la méthode la plus efficace soit : le réseau des neurones convolutionnels. Nous avons détaillé la méthodologie d'utilisation de ce processus en mettant en exergue les avantages liés à la reconnaissance de l'écriture arabe manuscrite ; cependant tel qu'indiqué sur les recherches ayant trait à notre sujet, il est recommandé d'examiner et de déterminer les règles et algorithme de recherche sur les réseaux des neurones convolutionnels, considérés assez importants pour le domaine de reconnaissance des caractères arabes. Partant de ce constat, nous avons expliqué l'architecture de ce réseau et conçu la logique de notre logiciel et procédé aux tests nécessaires et a différentes simulations de cas pour aboutir à des résultats satisfaisants (objet de la démonstration) ; néanmoins, la comparaison de fiabilité entre la reconnaissance des caractères est assez mitigée, du fait de la spécificité des caractères arabes, tel que précisé plus haut : Les lettres sont 28 et ils prennent des positions différentes. La base de données des caractères est (198013 = training +49504 = test). Considérant ces observations et les marges d'erreurs susceptibles de fausser les résultats, nous pouvons tirer les enseignements suivants : Le réseau de neurone convolutionnel est basé sur une importante base de données pour l'expérimentation et l'apprentissage qui nécessite des techniques de pointe et des procédés efficaces pour être conforme à son exploitation ; il reste certain que dans un avenir proche, les évolutions techniques et scientifiques vont découdre de ces lacunes et permettre un niveau de reconnaissance des caractères arabes assez élevé. Ouverture vers l'avenir : Ces recherches et études, très intéressantes, réalisées pour ce mémoire nous laissent envisager des perspectives de travaux à accomplir et des domaines à explorer pour mieux appréhender le processus le plus adéquat, optimisé et rationnel pour manager cette reconnaissance des caractères arabes. Nous affirmons que sommes aptes à développer d’avantage cette application par un apport qualitatif et quantitaf des bases de données. Il faut aussi s'accorder du temps pour permettre un bon apprentissage du réseau de neurones convolutionnel. Sans oublier un matériel informatique performant.