La philosophie de la limite chez Jean Ladrière


Première édition

Coordination éditoriale de Louis Perron, Pierre-Antoine Pontoizeau

Les textes réunis dans ce volume tentent de penser les « articulations du sens » de la notion de « limite », en prenant la mesure des questionnements les plus contemporains, que ceux-ci émanent de perspectives scientiques, politiques, éthiques ou encore pratiques. Lire la suite

Ils sont suisse, canadien, belge, roumain ou encore français et se sont réunis à Montréal pour se pencher sur la notion de « limite » dans les travaux de Jean Ladrière. On le sait, l'oeuvre de Jean Ladrière se déploie, avec génie et originalité, dans bien des domaines : la physique, les mathématiques, la logique, les sciences du langage, la philosophie et la théologie. Les textes réunis dans ce volume tentent de penser les « articulations du sens » de cette notion de « limite », en prenant la mesure des questionnements les plus contemporains, que ceux-ci émanent de perspectives scientiques, politiques, éthiques ou encore pratiques.


PDF (PDF) - 15,00 €
Livre broché - 22,50 €

InfoPour plus d'informations à propos de la TVA et d'autres moyens de paiement, consultez la rubrique "Paiement & TVA".
Info Les commandes en ligne se font via notre partenaire i6doc.

Spécifications


Éditeur
Presses universitaires de Louvain
Coordination éditoriale de
Louis Perron, Pierre-Antoine Pontoizeau,
Collection
Empreintes philosophiques | n° 18
Langue
français
Catégorie (éditeur)
Philosophie, lettres, linguistique et histoire > Philosophie > Phénoménologie
Catégorie (éditeur)
Philosophie, lettres, linguistique et histoire > Philosophie
BISAC Subject Heading
PHI000000 PHILOSOPHY > PHI018000 PHILOSOPHY / Movements / Phenomenology
BIC subject category (UK)
HP Philosophy > HPL Philosophy: logic
Code publique Onix
06 Professionnel et académique
CLIL (Version 2013-2019 )
3126 Philosophie
Date de première publication du titre
08 février 2019

Livre broché


Date de publication
01 janvier 2007
ISBN-13
978-2-87463-058-3
Ampleur
Nombre de pages de contenu principal : 168
Code interne
75481
Format
14,5 x 20,5 x 1 cm
Poids
219 grammes
Prix
10,40 €
ONIX XML
Version 2.1, Version 3

Google Livres Aperçu


Publier un commentaire sur cet ouvrage

Si vous avez une question, utilisez plutôt notre formulaire de contact

Sommaire


Foreword . . . . . . . . . . . . . . . . . . . . . . . . . . vii

Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . ix

Acknowledgement . . . . . . . . . . . . . . . . . . . . . xi

Table of Contents . . . . . . . . . . . . . . . . . . . . . . xiv

List of Acronyms . . . . . . . . . . . . . . . . . . . . . . xxv

1 Introduction 1

1.1 Current Document Analysis . . . . . . . . . . . . . 1

1.2 What is Natural Scene Text? . . . . . . . . . . . . 2

1.3 Numerous Applications . . . . . . . . . . . . . . . 5

1.4 Text Understanding System: Main Steps . . . . . . 7

1.5 Challenges and Overview of Problem Bounds . . . 9

1.6 Overall Structure . . . . . . . . . . . . . . . . . . . 10

2 Image Formation and Representation 13

2.1 Image Formation: Why do Colors Vary for the same Object? . . . . . . . . . . . . . . . . . . . . . 13

2.1.1 Light . . . . . . . . . . . . . . . . . . . . . . 13

2.1.2 Object . . . . . . . . . . . . . . . . . . . . . 14

2.1.3 Camera . . . . . . . . . . . . . . . . . . . . 17

2.2 Image Representation: Why do Different Color Spaces Exist? . . . . . . . . . . . . . . . . . . . . . 18

2.3 To Summarize... . . . . . . . . . . . . . . . . . . . 22

3 Background and Literature Survey of Text Understanding 23

3.1 State-of-the-Art of Text Extraction . . . . . . . . . 23

3.1.1 Thresholding-based methods . . . . . . . . 24

3.1.2 Grouping-based methods . . . . . . . . . . 27

3.1.3 Extensively used clustering methods in text extraction . . . . . . . . . . . . . . . . . . . 30

3.1.4 Challenges . . . . . . . . . . . . . . . . . . 34

3.2 Required Pre- and Post-Processing Steps for Efficient Text Understanding . . . . . . . . . . . . . . 34

3.2.1 Pre-processing steps of text extraction . . . 35

3.2.2 Post-processing steps of text extraction . . 37

3.2.3 Challenges . . . . . . . . . . . . . . . . . . 39

4 Text Understanding System 41

4.1 Text Understanding Chain . . . . . . . . . . . . . . 41

4.2 Material and Databases . . . . . . . . . . . . . . . 44

5 Resolution Enhancement 47

5.1 Resolution Enhancement for Still Images . . . . . . 48

5.2 Super-Resolution for Video Frames . . . . . . . . . 49

5.2.1 Context of super-resolution algorithms . . . 50

5.2.2 Color super-resolution text . . . . . . . . . 61

5.3 SURETEXT - Super-Resolution Text . . . . . . . 62

5.3.1 Motion estimation using the Taylor series . 62

5.3.2 Unsharp masking using the Teager filter . . 64

5.3.3 Outlier frame removal . . . . . . . . . . . . 66

5.3.4 Median denoising . . . . . . . . . . . . . . . 66

5.4 Experiments and Results . . . . . . . . . . . . . . . 67

5.4.1 Evaluation of SURETEXT . . . . . . . . . 67

5.4.2 Comparison with state-of-the-art SR algorithms . . . . . . . . . . . . . . . . . . . . . 71

5.4.3 Computation cost . . . . . . . . . . . . . . 72

5.5 Conclusions . . . . . . . . . . . . . . . . . . . . . . 73

6 Text Extraction 75

6.1 Impact of Color Spaces and Clustering Algorithms 75

6.1.1 Is there a better color space for NS text extraction? . . . . . . . . . . . . . . . . . . . 75

6.1.2 Considerations on different clustering algorithms . . . . . . . . . . . . . . . . . . . . . 77

6.1.3 Evaluation of color representation with state-of-the-art clustering algorithms . . . . 79

6.2 Role of Metrics in K-means . . . . . . . . . . . . . 83

6.2.1 Definition of some metrics, either distances or similarities . . . . . . . . . . . . . . . . . 83

6.2.2 Noteworthy properties of angle-based similarities and complementarity with the Euclidean distance . . . . . . . . . . . . . . . . 86

6.2.3 Evaluation of several metrics . . . . . . . . 88

6.3 SMC - Selective Metric Clustering for Text Extraction . . . . . . . . . . . . . . . . . . . . . . . . . . 92

6.3.1 Color reduction and color inversion . . . . . 92

6.3.2 Utilization of a multi-hypothesis text extraction . . . . . . . . . . . . . . . . . . . . 94

6.3.3 Extraction-by-segmentation . . . . . . . . . 96

6.3.4 SMC evaluation and results . . . . . . . . . 98

6.4 Conclusion of the Selective Metric Clustering Technique . . . . . . . . . . . . . . . . . . . . . . . . . . 100

7 Unit-based Segmentation 103

7.1 Line and Word Segmentation . . . . . . . . . . . . 103

7.1.1 Line segmentation . . . . . . . . . . . . . . 104

7.1.2 Word segmentation . . . . . . . . . . . . . . 105

7.2 Character Segmentation using Log-Gabor Filters . 106

7.2.1 Is character segmentation still useful? . . . 106

7.2.2 Why are log-Gabor filters appropriate for NS character segmentation? . . . . . . . . . 109

7.2.3 Character segmentation-by-recognition . . . 112

7.2.4 Evaluation . . . . . . . . . . . . . . . . . . 118

7.3 Conclusion of the Log-Gabor-based Character Segmentation . . . . . . . . . . . . . . . . . . . . . . . 121

8 Considerations on NS Character Recognition and Correction 123

8.1 NS Character Recognition . . . . . . . . . . . . . . 123

8.1.1 What is done in NS character recognition? 123

8.1.2 Description of the exploited recognition system . . . . . . . . . . . . . . . . . . . . . . 125

8.1.3 Conclusion on considerations of character recognition . . . . . . . . . . . . . . . . . . 131

8.2 Recognition-by-Correction . . . . . . . . . . . . . . 131

8.2.1 Context of OCR correction . . . . . . . . . 131

8.2.2 Lexicon-based non-word error correction . . 134

8.2.3 Evaluation . . . . . . . . . . . . . . . . . . 137

8.2.4 Conclusion on recognition-by-correction . . 141

8.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . 142

9 Conclusion 143

9.1 Conclusions and Contributions . . . . . . . . . . . 143

9.2 Interesting Prolongations and Discussion . . . . . . 147

A Color Spaces Conversion 165

B Expectation-Maximization 173


Extrait


Texte intégral en PDF à télécharger gratuitement