Etude des mécanismes d'adaptation et de rejet pour l'optimisation de classifieurs : Application à la reconnaissance de l'écriture manuscrite en-ligne
Institution:
Rennes, INSADisciplines:
Directors:
Abstract EN:
This work aims at improving performances of on-line handwriting characters recognizer for low resource systems using rejection and adaptation mechanisms. Reject option allows deciding if the classifier answer is relevant or not. We define a generic reject option based on reliability functions and a generic learning algorithm named AMTL. The comparison in different contexts with more classical reject options shows the generalization capacities of our approach. The adaptation specializes on the fly a writer independent system in a writer dependent recognizer. Our approach named ADAPT adapts fuzzy inference systems by moving, reshaping and adding its prototypes. To speed up the adaptation, we synthesize artificial new characters from available ones. We validate our approach in ideal experimental conditions and in a real use context.
Abstract FR:
L’objectif est d’améliorer dans un contexte de ressources limitées les performances des systèmes de reconnaissance de caractères en ligne en étudiant les mécanismes de rejet et d’adaptation. Le rejet permet de décider si la réponse du classifieur est pertinente ou non. Nous définissons une option générique de rejet utilisant la notion de fonctions de confiance et un algorithme générique d’apprentissage nommé AMTL. Nous démontrons les capacités de généralisation de notre approche en la comparant avec les solutions plus classiques. Le principe de l’adaptation, est de spécialiser à la volée un système omni-scripteur en un système mono-scripteur. Nous proposons une approche nommée ADAPT pour adapter les systèmes d’inférence floue en déplaçant, déformant et créant leurs prototypes. Pour accélérer l’adaptation, nous synthétisons de nouveaux caractères à partir de ceux disponibles. Nous validons nos approches dans des conditions expérimentales idéales puis en conditions réelles.