Résumé

La classification de documents imprimés est une tâche réalisée en entrée de multiples chaînes de traitement et d’analyse d’archives numériques, ce qui en fait un point critique dans de tel systèmes. Afin d’extraire des éléments caractéristiques de chaque catégorie parmi lesquels ces pièces doivent être classés, des données textuelles ou des images sont utilisés. Nous présentons dans cet article une analyse de différentes approches pour la catégorisation de documents exploitant des données textuelles ou des images en entrée, ainsi qu’un système de classification utilisant l’information du texte et de l’image de façon jointe en un modèle de réseau de neurone convolutionnel.

Abstract

Document classification is an important task in the analysis and processing of digital collections as it is mainly used for input pipeline of such systems. To extract features allowing algorithms to categorize the elements, text and pictures are used. We present in this paper different approaches for document classification using textual datas and pictures, as well as a classification model using both of this datas in single model of convolution neural network.