Actualités > Séminaire de Yann Soullard
Séminaire de Yann Soullard vendredi 3 mai de 15h à 16h en salle 018 (bât. Pascal)
Titre : Deux cas d’études : Extension des HMMs à la théorie des probabilités imprécises pour la reconnaissance de gestes techniques et reconnaissance automatique d’écriture manuscrite dans des ouvrages particuliers.
Résumé : La reconnaissance de gestes est généralement réalisée par l’emploi d’un modèle de séquences (modèles de Markov à états cachés, réseaux de neurones, …) permettant la prise en compte de l’évolution temporelle de la gestuelle pour la décision. On s’intéressera ici aux modèles de Markov à états cachés (HMMs). Les gestes techniques sont des gestes particuliers et précis dont la reconnaissance automatique peut être une tâche difficile due au petit nombre de données supervisées, à des données potentiellement bruitées et à des classes déséquilibrées. Les estimations faites au sein des HMMs peuvent être biaisées par de telles données. Nous proposons une extension des HMMs à la théorie des probabilités imprécises en considérant d’une part une information a priori sur les classes et d’autre part des ensembles convexes de probabilités pour renforcer la fiabilité du modèle en prédiction.
En reconnaissance d’écriture manuscrite, les systèmes de référence associent un réseau de neurones et un modèle de langage. Le réseau de neurones permet d’identifier des caractères dans des images de lignes de texte (OCR) tandis que le modèle de langues apporte des corrections linguistiques aux prédictions de l’OCR. Cependant, ces deux modèles nécessitent de nombreuses données pour apprentissage. Ceci limite leurs capacités pour la reconnaissance d’un ouvrage manuscrit particulier pour lequel il n’est pas possible d’avoir de nombreux exemples d’apprentissage et pour lequel un système générique (appris sur diverses données issues d’autres auteurs) produit généralement des transcriptions insatisfaisantes. Nous présentons ici une vue des différents travaux menés pour concevoir un système de reconnaissance automatique d’écriture manuscrite permettant l’analyse d’ouvrages particuliers, où seuls quelques lignes transcrites sont disponibles pour l’apprentissage de modèles spécifiques au document.
Biographie : Yann Soullard est actuellement post-doctorant au laboratoire LITIS de l’université de Rouen. Titulaire d’un master de mathématiques appliquées de l’université Pierre et Parie Curie de Paris (UPMC), il a obtenu un doctorat d’informatique de l’UPMC en 2013, réalisé au LIP6 sous la supervision de Thierry Artières. Il a ensuite deux expériences post-doctorales, d’abord au laboratoire Heudiasyc de l’université de technologie de Compiègne puis au LITIS où il travaille avec Thierry Paquet. Ses activités de recherche portent sur l’analyse de données séquentielles et l’analyse d’images par des méthodes d’apprentissage automatique. Il s’est intéressé notamment à l’apprentissage en faible supervision et à l’incertitude au sein des modèles à travers divers cadres d’application (reconnaissance de formes dans des séries financières, analyse de gestes, reconnaissance d’écriture manuscrite).