Reconnaissance de caractères manuscrits kurdes à l’aide de techniques d’apprentissage profond

La reconnaissance d'écriture manuscrite constitue l'un des domaines actifs et complexes de recherche en traitement d'images et reconnaissance de motifs. Elle trouve de nombreuses applications, notamment comme outil d'aide à la lecture pour les personnes aveugles ou malvoyantes, la lecture automatisée et le traitement des chèques bancaires, la rendue des documents manuscrits entièrement recherchables, ainsi que la conversion de ces documents en format texte structuré. Par ailleurs, des taux de précision élevés ont été enregistrés par les systèmes de reconnaissance d'écriture manuscrite pour des langues telles que l'anglais, le chinois, l'arabe, le persan, et de nombreuses autres. Toutefois, aucun système n'est actuellement disponible pour la reconnaissance d'écriture manuscrite en kurd (en mode hors ligne). Dans ce travail, une tentative est faite afin de concevoir et de développer un modèle capable de reconnaître les caractères manuscrits de l'alphabet kurde à l'aide de techniques d'apprentissage profond. Le kurde (soranî) comporte 34 caractères et utilise principalement une écriture basée sur l'arabe et le persan, avec des lettres modifiées. Dans cette étude, un modèle de Réseau de Neurones Convolutif Profond (Deep Convolutional Neural Network) a été adopté, qui s'est révélé particulièrement performant dans les systèmes de reconnaissance d'écriture manuscrite. Par la suite, un jeu de données complet a été construit pour les caractères manuscrits kurdes, comprenant plus de 40 000 images. Ce jeu de données a été utilisé pour entraîner le modèle de réseau neuronal convolutif profond afin de réaliser des tâches de classification et de reconnaissance. Dans le système proposé, les résultats expérimentaux montrent un niveau de reconnaissance acceptable : une précision de 96 % a été obtenue sur les données de test, tandis que la précision d'entraînement atteint 97 %. D'après les résultats expérimentaux, il est clair que le modèle d'apprentissage profond proposé se comporte de manière satisfaisante et est comparable aux modèles similaires utilisés pour la reconnaissance d'écriture manuscrite dans d'autres langues.