login
english version rss feed
Detailed view PhD thesis
INSA de Rennes (17/12/2007), Guy Lorette (Dir.)
Attached file list to this document: 
PDF
theseSolenQuiniou.pdf(1.5 MB)
ANNEX
soutenanceTheseSolenQuiniou.pdf(1.9 MB)
Intégration de connaissances linguistiques pour la reconnaissance de textes manuscrits en-ligne
Solen Quiniou1

L'objectif de ces travaux de thèse est de construire un système de reconnaissance de phrases, en se basant sur un système de reconnaissance de mots existant. Pour cela, deux axes de recherche sont abordés : la segmentation des phrases en mots ainsi que l'intégration de connaissances linguistiques pour prendre en compte le contexte des phrases. Nous avons étudié plusieurs types de modèles de langage statistiques, en comparant leurs impacts respectifs sur les performances du système de reconnaissance. Nous avons également recherché la meilleure stratégie pour les intégrer efficacement dans le système de reconnaissance global. Une des orginalités de cette étude est l'ajout d'une représentation des différentes hypothèses de phrases sous forme d'un réseau de confusion, afin de pouvoir détecter et corriger les erreurs de reconnaissance restantes. L'utilisation des technique présentées permet de réduire de façon importante le nombre d'erreurs de reconnaissance, parmi les mots des phrases.
1:  IRISA - IMADOC
reconnaissance d'écriture manuscrite – modélisation statistique du langage – traitement des erreurs – reconnaissance de formes – traitement automatique des langues

Integration of linguistic knowledge for the recognition of on-line handwritten texts
The aim of this thesis is to build a sentence regognition system based on an existing word regognition system. Two research axes are considered: the sentence segmentation int words as well as the integration of linguistic knowledge to take into account the context of the sentences. We studied several types of statistic language models by comparing their respective impact on the recognition system performances. We also tried to find the best strategy to introduce them efficiently into the whole recognition system. One of the originality of this study is the integration of a representation of the different sentence hypotheses in the form of a confusion network; which is then used to detect and correct the remaining regognition errors. Using the aforementioned techniques allowed us to considerably reduce the number of recognition errors among the words of the sentences.
handwriting recognition – statistical language modeling – error processing – pattern recognition – natural language processing

all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...