Titre :	CNN avec le mécanisme d'attention pour la reconnaissance de caractères Arabe manuscrits
Type de document :	texte imprimé
Auteurs :	Benyoucef، Fatimazohra, Auteur
Editeur :	جامعة أحمد درايعية
Année de publication :	2024
Langues :	Arabe (ara)
Résumé :	La reconnaissance des caractères arabes est un défi majeur auquel sont confrontés les chercheurs dans ce domaine. Elle nécessite des études et des recherches plus approfondies afin de fournir de meilleurs résultats pour développer et diversifier les modèles utilisés dans ce domaine. L'utilisation généralisée de l'apprentissage profond dans le domaine de l'intelligence artificielle permet d'obtenir de meilleurs résultats dans le domaine de la reconnaissance des caractères et de l'écriture manuscrite. Dans cette recherche, nous avons utilisé un réseau neuronal convolutif avec une technique d'attention pour la reconnaissance de caractères Arabe manuscrits. Nous avons mené des expériences sur la base de données AHCD, qui comprend 16800 caractères, et sur une autre base de données, la base de données Hijja, qui comprend 47434 caractères. Les résultats que nous avons obtenus sont très encourageants. Arabic character recognition is a major challenge facing researchers in this field. It requires further study and research to provide better results for developing and diversifying the models used in this field. The widespread use of deep learning in the field of artificial intelligence makes it possible to obtain better results in the field of character and handwriting recognition. In this research, we used a convolutional neural network with an attention technique for recognising handwritten Arabic characters. We conducted experiments on the AHCD database, which contains 16800 characters, and on another database, the Hijja database, which contains 47434 characters. The results we obtained are very encouraging.

CNN avec le mécanisme d'attention pour la reconnaissance de caractères Arabe manuscrits [texte imprimé] / Benyoucef، Fatimazohra, Auteur . - جامعة أحمد درايعية, 2024.
Langues : Arabe (ara)

Résumé :

La reconnaissance des caractères arabes est un défi majeur auquel sont confrontés les chercheurs dans ce domaine. Elle nécessite des études et des recherches plus approfondies afin de fournir de meilleurs résultats pour développer et diversifier les modèles utilisés dans ce domaine. L'utilisation généralisée de l'apprentissage profond dans le domaine de l'intelligence artificielle permet d'obtenir de meilleurs résultats dans le domaine de la reconnaissance des caractères et de l'écriture manuscrite. Dans cette recherche, nous avons utilisé un réseau neuronal convolutif avec une technique d'attention pour la reconnaissance de caractères Arabe manuscrits. Nous avons mené des expériences sur la base de données AHCD, qui comprend 16800 caractères, et sur une autre base de données, la base de données Hijja, qui comprend 47434 caractères. Les résultats que nous avons obtenus sont très encourageants. Arabic character recognition is a major challenge facing researchers in this field. It requires further study and research to provide better results for developing and diversifying the models used in this field. The widespread use of deep learning in the field of artificial intelligence makes it possible to obtain better results in the field of character and handwriting recognition. In this research, we used a convolutional neural network with an attention technique for recognising handwritten Arabic characters. We conducted experiments on the AHCD database, which contains 16800 characters, and on another database, the Hijja database, which contains 47434 characters. The results we obtained are very encouraging.