Le but du présent travail de thèse était d’examiner dans quelle mesure les programmes moteurs graphiques acquis au cours de l’apprentissage par écriture manuscrite contribuent au processus de reconnaissance. Précédemment, l’avantage de l’écriture manuscrite sur la dactylographie a été attribué à la contribution des programmes moteurs graphiques (Longcamp et al. 2010). Toutefois, les données recueillies dans le présent travail suggèrent que l’analyse visuelle détaillée requise par l’écriture manuscrite explique une grande partie de cet avantage. En effet, lorsque le symbole à reconnaître est présenté dans des conditions visuelles optimales, les apprentissages par écriture manuscrite et par composition – nécessitant tous les deux une analyse visuelle détaillée – aboutissent à un niveau de reconnaissance similaire et supérieur à celui faisant suite à la dactylographie. Ces résultats sont en accord avec la conception visuelle de la reconnaissance des lettres. Dans cette perspective, l’association entre la perception des lettres et l’activation motrice peut être interprétée comme la conséquence de l’apprentissage conjoint de la lecture et de l’écriture et non comme une condition nécessaire à l’encodage et à la reconnaissance.Toutefois, lorsque les conditions visuelles de présentation sont altérées, l’apprentissage par écriture manuscrite tend à aboutir à une meilleure reconnaissance que les apprentissages par composition et par dactylographie. Ces données suggèrent que les programmes moteurs graphiques pourraient contribuer à la reconnaissance lorsque les informations visuelles sont limitées et que la mémoire visuelle ne peut être utilisée de façon optimale. Notons que cette hypothèse mériterait d’être examinée de façon plus directe.Même si les résultats montrent une contribution importante de l’analyse visuelle détaillée dans l’avantage de l’écriture manuscrite sur la dactylographie, il convient de souligner que dans des conditions d’apprentissage naturelles, l’écriture manuscrite constitue le moyen le plus évident et spontané de promouvoir une telle analyse détaillée. Par ailleurs, pour que l’écriture manuscrite puisse aboutir à un encodage optimal, il est important que l’automaticité des mouvements d’écriture soit préservée. En effet, rompre l’automaticité de l’écriture par une perturbation de l’activité graphomotrice durant l’apprentissage affecte les performances ultérieures en reconnaissance. / Doctorat en Sciences psychologiques et de l'éducation / info:eu-repo/semantics/nonPublished

Grafomotorick© obt­e (GD) vraznÄ ovlivuj­ kvalitu ivota koln­m vÄkem poÄ­naj­c, kde se vyv­jej­ grafomotorick© schopnosti, a do dchodov©ho vÄku. VÄasn diagnza tÄchto obt­­ a terapeutick zsah maj­ velk vznam k jejich zlepen­. Vzhledem k tomu, e GD souvis­ z v­cermi symptomy v oblasti kinematiky, zkladn­ kinematick© parametry jako rychlost, zrychlen­ a vih prokzaly efektivn­ kvantizaci tÄchto symptom. Objektivn­ vpoÄetn­ syst©m podpory rozhodovn­ pro identifikaci a vyeten­ GD vak nen­ dostupn. A proto je hlavn­m c­lem m© disertaÄn­ prce vzkum pokroÄil© metody parametrizace online p­sma pro analzu GD se speciln­m zamÄen­m na vyuit­ metod zlomkov©ho kalkulu. Tato prce je prvn­, kter experimentuje s vyuit­m derivac­ neceloÄ­seln©ho du (FD) pro analzu GD pomoc­ online p­sma z­skan©ho od pacient s Parkinsonovou nemoc­ a u dÄt­ koln­ho vÄku. Byla navrena a evaluovna nov metoda parametrizace online p­sma zaloena na FD vyuit­m Grnwald-Letnikova p­stupu. Bylo dokzno, e navren metoda vznamnÄ zlepuje diskriminaÄn­ s­lu a deskriptivn­ schopnosti v oblasti Parkinsonick© dysgrafie. StejnÄ tak metoda pozitivnÄ ovlivnila i nejmodernÄj­ techniky v oblasti analzy GD u dÄt­ koln­ho vÄku. Vyvinut parametrizace byla optimalizovna s ohledem na vpoÄetn­ nroÄnost (a o 80 %) a tak© na vyladÄn­ du FD. Ke konci prce byly porovnny v­cer© p­stupy vpoÄtu FD, jmenovitÄ Riemann-Liouvillv, Caputv spoleÄnÄ z Grnwald-Letnikovm p­stupem za Äelem identifikace tÄch nejvhodnÄj­ch pro jednotliv© oblasti analzy GD.

In the Czech Republic, there is currently no objective method to diagnose graphomotor difficulties in children. Ongoing research uses modern digitizers to capture the hand-writing process and quantify its parameters. The first goal of this thesis is to develop software tools to faciliate work with the collected data, such as database validation and writing exercise rating, done by specialists. Another goal of this thesis is to design new on-line handwriting parameters which are then to be analysed on a cohort of school children from 2nd to 4th class of primary school (n=239). The implementation of two desktop programs on the .NET platform is described, among three new quantifying parameters based on the principles of isochrony, two-dimensional cross-correlation, and geometrical centroid. All three parameters show significant correlation (r = [0,2; 0,3])with the HPSQ-C rating in 2nd- and 4th-graders and correlation (𝜌= [0,2; 0,5]) with specialist’s subjective scores in all children from the cohort. The analysis suggests children with graphomotor difficulties struggle with regulating handwriting speed and working memory.

No description available.

Cette thèse porte sur le développement d'une chaîne de traitement complète pour réaliser des tâches de reconnaissance d'écriture manuscrite non contrainte. Trois difficultés majeures sont à résoudre: l'étape du prétraitement, l'étape de la modélisation optique et l'étape de la modélisation du langage. Au stade des prétraitements il faut extraire correctement les lignes de texte à partir de l'image du document. Une méthode de segmentation itérative en lignes utilisant des filtres orientables a été développée à cette fin. La difficulté dans l’étape de la modélisation optique vient de la diversité stylistique des scripts d'écriture manuscrite. Les modèles optiques statistiques développés sont des modèles de Markov cachés (HMM-GMM) et les modèles de réseaux de neurones récurrents (BLSTM-CTC). Les réseaux récurrents permettent d’atteindre les performances de l’état de l’art sur les deux bases de référence RIMES (pour le Français) et IAM (pour l’anglais). L'étape de modélisation du langage implique l'intégration d’un lexique et d’un modèle de langage statistique afin de rechercher parmi les hypothèses proposées par le modèle optique, la séquence de mots (phrase) la plus probable du point de vue linguistique. La difficulté à ce stade est liée à l’obtention d’un modèle de couverture lexicale optimale avec un minimum de mots hors vocabulaire (OOV). Pour cela nous introduisons une modélisation en sous-unités lexicales composée soit de syllabes soit de multigrammes. Ces modèles couvrent efficacement une partie importante des mots hors vocabulaire. Les performances du système de reconnaissance avec les unités sous-lexicales dépassent les performances des systèmes de reconnaissance traditionnelles de mots ou de caractères en présence d’un fort taux de mots hors lexique. Elles sont équivalentes aux modèles traditionnels en présence d’un faible taux de mots hors lexique. Grâce à la taille compacte du modèle de langage reposant sur des unités sous-lexicales, un système de reconnaissance multilingue unifié a été réalisé. Le système multilingue unifié améliore les performances de reconnaissance par rapport aux systèmes spécialisés dans chaque langue, notamment lorsque le modèle optique unifié est utilisé. / This thesis is about the design of a complete processing chain dedicated to unconstrained handwriting recognition. Three main difficulties are adressed: pre-processing, optical modeling and language modeling. The pre-processing stage is related to extracting properly the text lines to be recognized from the document image. An iterative text line segmentation method using oriented steerable filters was developed for this purpose. The difficulty in the optical modeling stage lies in style diversity of the handwriting scripts. Statistical optical models are traditionally used to tackle this problem such as Hidden Markov models (HMM-GMM) and more recently recurrent neural networks (BLSTM-CTC). Using BLSTM we achieve state of the art performance on the RIMES (for French) and IAM (for English) datasets. The language modeling stage implies the integration of a lexicon and a statistical language model to the recognition processing chain in order to constrain the recognition hypotheses to the most probable sequence of words (sentence) from the language point of view. The difficulty at this stage is related to the finding the optimal vocabulary with minimum Out-Of-Vocabulary words rate (OOV). Enhanced language modeling approaches has been introduced by using sub-lexical units made of syllables or multigrams. The sub-lexical units cover an important portion of the OOV words. Then the language coverage depends on the domain of the language model training corpus, thus the need to train the language model with in domain data. The recognition system performance with the sub-lexical units outperformes the traditional recognition systems that use words or characters language models, in case of high OOV rates. Otherwise equivalent performances are obtained with a compact sub-lexical language model. Thanks to the compact lexicon size of the sub-lexical units, a unified multilingual recognition system has been designed. The unified system performance have been evaluated on the RIMES and IAM datasets. The unified multilingual system shows enhanced recognition performance over the specialized systems, especially when a unified optical model is used.

No description available.

No description available.

No description available.

No description available.

No description available.