Champs de Markov Cachés 2D à composantes séparables, application à l'extraction de structures de journaux anciens

National audienceUne approche champ de Markov dont les composantes verticales et horizontales sont séparées et régies par deux modèles de Markov cachés (MMC) est ici proposée . L'apprentissage des paramètres des MMC est réalisé sans données étiquetées et la connaissance est injectée dans la topologie des modèles qui est apprise de manière semisupervisée. Un algorithme de décodage permet de décoder simultanément les deux modèles, donnant lieu à un champ d'états pour réaliser la segmentation des données. Nous évaluons ensuite notre approche pour la segmentation des blocs de texte qui composent les articles de pages de journaux anciens