Handwritten digits recognition

Abstract

Les r´ eseaux de neurones convolutifs (CNNs) pour la reconnaissance des chiffres ma nuscrite sont optimis´es ` a l’aide d’algorithmes g´ en´etiques (GA) et d’optimisations d’essaim de particules (PSOs). Cet article introduit une nouvelle technique de pr´ etraitement, la squelettisation, qui am´ eliore l’ensemble de donn´ ees MNIST et augmente les performances du mod` ele. Avec les CNN, l’´etude a atteint une pr´ ecision de 98,92% avec GA et de 98,98% avec PSO sur l’ensemble de donn´ ees MNIST traditionnel, et une pr´ ecision de 98,45% avec GA et de 98,51% avec PSO sur l’ensemble de donn´ees am´ elior´e. Mˆeme si les mod` eles appliqu´ es ` a l’ensemble de donn´ ees MNIST traditionnel sont l´ eg`erement plus pr´ ecis, les mod`eles bas´ es sur l’ensemble de donn´ees am´elior´ e avec squelettisation montrent une meilleure g´en´eralisation et robustesse dans diverses situations r´ eelles. Il est ´evident que GA et PSO peuvent tous deux ˆ etre efficaces dans l’optimisation des syst`emes de reconnaissance bas´es sur CNN, PSO montrant un avantage marginal par rapport ` a GA.