SDNRI 19-21 mars 2014 (CIFED+CORIA), mon résumé

Semaine du Document Numérique et de la Recherche d’Information 2014 (SDNRI)

Présent à cette conférence qui regroupe deux mondes de la recherche : la recherche d’informations (CORIA) et l’analyse d’image de document (CIFED), je vous propose mon résumé en tant qu’industriel, plus orienté CIFED, il fallait faire des choix ;-).

L’objet de ces colloques est la présentation de ce qui se fait actuellement dans les laboratoires, pour l’analyse de document : factures, documents techniques, courrier entrant, etc.. On n’est donc pas sur la vidéo, la 3D, la réalité virtuelle.. c’est vraiment la partie dématérialisation et indexation des documents.

95% de chercheurs et 5% d’industriels (3 sociétés de mémoire… mais on était plutôt silencieux).

Les recherches actuelles portent sur :

• Reconnaissance manuscrite, avec notamment l’intervention d’ Alex Graves, par une technique Biderictionnal RNNs
• Améliorer la classification de documents par combinaison de descripteurs visuels et textuels (Fait par mon collègue Olivier AUGEREAU)
• La différenciation texte manuscrit et texte typographié, afin notamment d’appliquer un OCR ou ICR en fonction de ce qui a été trouvé
• La détection d’une première page de document dans un flux documentaire
• La recherche de formule chimique dans un document
• Classification de document par l’analyse de logo.
• Classification mono-classe de document industriel
• Génération de données semi-synthétiques pour l’amélioration des techniques d’apprentissage.
• Analyse de document par smartphone
• Analyse de la couleur sur des formulaires

Les recherches en cours sont biens dans les problématiques industrielles, en interne nous travaillons sur une grande partie de ces sujets à notre niveau bien sûr.

Comme certaines conférences étaient communes avec la partie CORIA, j’ai pu notamment assister à la présentation Iadh Ounis  de l’université de Glasgow, qui a présenté un système de détection d’événement par l’analyse quasi temps réel des tweets dans le monde. Des problématiques informatiques impressionnantes au regard des volumétries, plus de 100 000 tweets analysés par seconde. L’objectif étant d’informer la police, les journalistes, etc… d’événements qui se produisent. L’idée originale est de croiser dans la foulée, les recherches effectuée sur Wikipedia sur ces mêmes sujets, 2 heures après les tweets.

pour plus d’information sur ce colloque http://sdnri2014.loria.fr/ 

L’Apprentissage Incrémental

Dans le cadre de notre activité de dématérialisation, nous devons typer/indexer des documents (Diplôme, Ticket de restaurant, Bon de livraison etc…). Dans ce cadre nous avons eu l’idée d’assister la production par un développement informatique utilisant des techniques d’apprentissage. C’est à dire que le système conserve dans une base de référence, les choix de l’utilisateur et il effectue des suggestions si la « distance » entre les caractéristiques de l’image à typer sont similaires à une ou n images du référentiel. Nous calculons donc des caractéristiques à chaque image et nous comparons celles-ci à notre référentiel. Une première version du programme nécessitée une action d’un responsable pour mettre à jour ce référentiel, nous avons développé une seconde version où celui-ci est mis à jour à chaque action d’un opérateur de production. Si la proposition effectuée par le système est remise en cause par l’opérateur, le ou les image(s) à l’origine de celle-ci perdent des « points », dans le cas contraire des « points », sont gagnés. Ce principe tout simple donne des résultats très positifs. Il peut de plus être utilisé dans des métiers totalement différents. Nous travaillons à présent sur les mesures de performance, la gestion des erreurs et l’ajout de nouvelles caractéristiques. Si vous avez des idées ou des remarques je suis preneur…