1 Reconnaissance de symboles   partir de sch©mas ©lectriques Soutenance de Stage Master GI Ma®tre de stage : Mlle Elise GABARRA Tuteur : M. S©bastien

  • View
    112

  • Download
    4

Embed Size (px)

Text of 1 Reconnaissance de symboles   partir de sch©mas ©lectriques Soutenance de Stage...

  • Page 1
  • Page 2
  • 1 Reconnaissance de symboles partir de schmas lectriques Soutenance de Stage Master GI Matre de stage : Mlle Elise GABARRA Tuteur : M. Sbastien ADAM Romain Raveaux ( Double cursus Master GI et Master GEII ) 07/2006
  • Page 3
  • 2 Le droulement de la soutenance Prsentation 1. Problmatique : reconnaissance de symboles 2. Etat de lart 3. Ralisations a. Approche statistique et combinaison de classifieurs b. Approche structurelle, classification de graphes 4. Analyse de rsultats 5. Conclusions et perspectives
  • Page 4
  • 3 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Le droulement de la soutenance Rtro conversion Problmatique : reconnaissance de symboles Le traitement automatique du document Analyse de document graphique Structure gnrale des systmes danalyse Bilan des savoir-faire et des verrous technologiques
  • Page 5
  • 4 Le droulement de la soutenance Les diffrents points de vue des processus de reconnaissances Les systmes de recherche dans une base de documents Les systmes de dtection/reconnaissance des symboles dans un document complet. Les systmes de simple reconnaissance 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Rtro conversion Processus de RDF Modles Inconnu Classe du symbole identifie
  • Page 6
  • 5 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Le droulement de la soutenance Rtro conversion Schma lectrique Le traitement automatique du document Analyse de document graphique Structure gnrale des systmes danalyse Bilan des savoir-faire et des verrous technologiques
  • Page 7
  • 6 Le droulement de la soutenance Contexte Industriel Dveloppement de logiciel de schmatique lectrique (CAO/DAO) Projet europen EPEIRES (valuation des PErformances de l'Interprtation et de la REconnaissance de Symboles) 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Rtro conversion
  • Page 8
  • 7 Le droulement de la soutenance Prsentation 1. Problmatique : reconnaissance de symboles 2. Etat de lart 3. Ralisations a. Approche statistique et combinaison de classifieurs b. Approche structurelle, classification de graphes 4. Analyse de rsultats 5. Conclusions et perspectives
  • Page 9
  • 8 Le droulement de la soutenance Etat de lart de la reconnaissance de symboles Trois types dapproches Approches statistiques Approches structurelles Approches syntaxiques 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Bibliographie [RAM 05] De lappariement de graphes symboliques lappariement de graphes numriques : Application la reconnaissance de symboles , Rashid Jalal Qureshi, Jean-Yves Ramel, Hubert Cardot. [FIL 92] Filipski A.J., Flandrena R., Automated Conversion of Engineering Drawings to CAD form , Proc. IEEE, vol. 80, n7, p. 1195-1209, 1992. [Jean-Marc Ogier et Sbastien Adam 06] Chapitre 7 : Documents graphiques : de la rtro conversion la recherche dinformation [DOR 95] DORI D., Vector-Based Arc Segmentation in the Machine Drawing Understanding System Environment , IEEE PAMI, vol. 17, n11, p. 1057-1068, 1995. BELAID A., TOMBRE K. (1992) "Analyse de documents : de l'image la smantique", Actes de CNED'92, Bigre No 80, pp. 3-29.
  • Page 10
  • 9 Le droulement de la soutenance Approches statistiques Le Symbole image est projet sous forme de vecteur de caractristiques numriques. Limage est donc ramene un espace N dimensions. 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche statistique
  • Page 11
  • 10 Le droulement de la soutenance Approches statistiques Exemple de caractristiques : 1.Les moments invariants de Zernike 2.Les descripteurs de Fourier Melin 3.Les moments de Legendre Signature Radon Pattern Recognition, Vol. 29, No. 4, pp. 641-662, 1996, FEATURE EXTRACTION METHODS FOR CHARACTER RECOGNITION--A SURVEY 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche statistique
  • Page 12
  • 11 Le droulement de la soutenance Approches structurelles Un symbole peut tre dcrit partir des primitives le constituant (composantes connexes, occlusions, segments, arcs) et des relations entre ces primitives (voisinage, connexions, paralllisme). Contextual System of Symbol Structural Recognition based on an Object-Process Methodology. Mathieu Delalandre and Eric Trupin and Jean-Marc Ogier and Jacques Labiche 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche structurelle
  • Page 13
  • 12 Le droulement de la soutenance Approches syntaxiques Modlisation par un ensemble de rgles. Phase de reconnaissance : - Vrification des grammaires de production 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche syntaxique MMC MEM CRF [CHA 01] Chang M.T. and Chen S.Y., Deformed trademark retrieval based on 2D pseudo-hiddem Markov model , PR, vol. 34, p. 953967, 2001.
  • Page 14
  • 13 Le droulement de la soutenance Etude de solutions Il nexiste pas de solution gnrique Dpendance au contexte dacquisition de limage. Dpendance au type de symbole traiter. Nombre de classes du problme. Lobjectif atteindre. Confronter des approches bien diffrentes Obtenir des erreurs non corrles. Comparatif 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Analyse
  • Page 15
  • 14 Le droulement de la soutenance Prsentation 1. Problmatique : reconnaissance de symboles 2. Etat de lart 3. Ralisations a. Approche statistique et combinaison de classifieurs b. Approche structurelle, classification de graphes 4. Analyse de rsultats 5. Conclusions et perspectives
  • Page 16
  • 15 Le droulement de la soutenance Approche statistique et combinaison de classifieurs Principe : Extraction de caractristiques Classification Combinaison parallle 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche statistique
  • Page 17
  • 16 Le droulement de la soutenance Approche statistique et combinaison de classifieurs Extraction de caractristiques : 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche statistique
  • Page 18
  • 17 Le droulement de la soutenance Approche statistique et combinaison de classifieurs Classification de caractristiques Classifieur 1 Plus Proche Voisin Classifieur : Classification base sur les moments de Zernike dordre 6 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche statistique
  • Page 19
  • 18 Le droulement de la soutenance Approche statistique et combinaison de classifieurs Classification de caractristiques Deux cas de figures : Distance entre deux vecteurs : Distance euclidienne. Distance entre deux matrices : Chaque ligne reprsente un vecteur de caractristiques dune composante connexe. 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Approche statistique
  • Page 20
  • 19 Le droulement de la soutenance Approche statistique et combinaison de classifieurs Classification de caractristiques Matrice M1 : Vecteur A1 [ 13.545152 ; 0.788149 ; 2.686930 ] Vecteur A2 [ 13.562704 ; 0.780961 ; 2.679942 ] Vecteur A3 [13.545152 ; 0.788149 ; 2.686930 ] Matrice M2 : Vecteur B1 [ 6.216766 ; 0.416909 ; 4.637786 ] 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Classification
  • Page 21
  • 20 Le droulement de la soutenance Approche statistique et combinaison de classifieurs Matrice M1 : Vecteur A1 [ 13.545152 ; 0.788149 ; 2.686930 ] Vecteur A2 [ 13.562704 ; 0.780961 ; 2.679942 ] Vecteur A3 [13.545152 ; 0.788149 ; 2.686930 ] Matrice M2 : Vecteur B1 [ 6.216766 ; 0.416909 ; 4.637786 ] B1Dummy (fictif) A1D(A1,B1)|A1| A2D(A2,B1)|A2| A3D(A3,B1)|A3| Matrice de pondration B1Dummy (fictif) A101 0 A200 1 A310 0 Matrice dassignement 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Recherche oprationnelle Recherche de la matrice dassignement par la mthode hongroise. SCHNAUERS [SHO 03] Distances and expression measures,Sandrine Dudoit and Robert Gentleman, Bioconductor short course Summer 2002 D(M1,M2) = D(A3,B1) + D(A1) + D(A2)
  • Page 22
  • 21 Le droulement de la soutenance Approche statistique et combinaison de classifieurs Combinaison parallle 1. Introduction 2. Etat de lart 3. Ralisations a. Approche statistique b. Classification de graphes 4. Analyse de rsultats 5. Conclusion Combinaison
  • Page 23
  • 2