Vous êtes sur la page 1sur 2

 Systeme de reconnaissance de formes:

Définition
La reconnaissance de formes est un domaine pluridisciplinaires se situent au carrefour
de plusieurs disciplines, on cite parmi autres : la linguistique, les statistiques, l’électronique,
l’informatique, la théorie de communication, la biologie, l’optique,…etc. Cette discipline
consiste à reproduire les capacités perceptuelles de l’homme, en catégorisant un ensemble de
données brutes selon le patron observé.

Avant qu’un modèle de décision ne soit intégré dans un système de reconnaissance, il


faut avoir procédé auparavant à deux étapes : l’étape d’apprentissage et l’étape de test

 phase D’apprentissage:
L’étape d’apprentissage consiste à caractériser les classes de formes de manière à bien
distinguer les familles homogènes de formes. C’est une étape clé dans le système de
reconnaissance. On distingue deux types d’apprentissage : apprentissage supervisé et
apprentissage non supervisé
 L’apprentissage supervisé:
Dans le cas de l’apprentissage supervisé, un échantillon représentatif de l’ensemble des
formes à reconnaître est fourni au module d’apprentissage. Chaque forme est étiquetée par un
opérateur appelé professeur, cette étiquette permet d’indiquer au module d’apprentissage la
classe dans laquelle le professeur souhaite que la forme soit rangée. Cette phase
d’apprentissage consiste à analyser les ressemblances entre les éléments d’une même classe et
les dissemblances entre les éléments de classes différentes puis en déduire la meilleure
partition de l’espace des représentations. Les paramètres décrivant cette partition sont stockés
dans une table d’apprentissage à laquelle le module de décision se référera ensuite pour
classer les formes qui lui sont présentées.

 L’apprentissage non supervisé:


Dans le cas de l’apprentissage non supervisé, on fournit au système de reconnaissance
un grand nombre de formes non étiquetées. L’étape de la classification va se charger
d’identifier automatiquement les formes appartenant à une même classe.
Dans le domaine de la reconnaissance de l’écriture, ce sont les méthodes basées sur un
apprentissage supervisé qui sont le plus souvent utilisées et plus particulièrement pour les
caractères manuscrits isolés car les classes naturelles sont connues et en nombre limité.
Dans ce cas le nombre de classes peut être connu ou non, mais les classes des
échantillons ne sont pas connues, ce qu’on sait c’est que l’ensemble des échantillons
représente ce qu’on doit connaître. Une fois l'apprentissage effectué, le système doit être
validé par une phase de test.
 phase de test:
L’étape de test permet d’évaluer la performance du classifieur pour un apprentissage
donné. C’est une étape importante car elle peut mettre en cause le choix des primitives ou le
choix de la méthode d’apprentissage. En effet, il est difficile de trouver a priori les primitives
pertinentes et la méthode d’apprentissage la plus adaptée au problème posé d’où l’utilité de
procéder par itérations successives. Ces itérations consistent à extraire des primitives jugées
utiles au problème de reconnaissance à résoudre et de tester la performance du système avec
cet ensemble de primitives. Au fur et à mesure que les performances du système souhaitées ne
sont pas atteintes alors il suffit de trouver à nouveau une nouvelle famille de primitives ou de
combiner les primitives extraites avec de nouvelles primitives