A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

RECONHECIMENTO DE CARACTERES MANUSCRITOS APLICANDO REDES NEURAIS.

Apresentações semelhantes


Apresentação em tema: "RECONHECIMENTO DE CARACTERES MANUSCRITOS APLICANDO REDES NEURAIS."— Transcrição da apresentação:

1 RECONHECIMENTO DE CARACTERES MANUSCRITOS APLICANDO REDES NEURAIS

2 REDES NEURAIS ARTIFICIAIS RECONHECIMENTO DE CARACTERES APRESENTAÇÃO Engloba três grandes etapas: representação dos dados de entrada e sua mensuração, extração das características e finalmente identificação e classificação do objeto em estudo (CASTRO E PRADO, 1999, p.3). RECONHECIMENTO DE PADRÕES (RP) São concebidas para trabalharem de forma semelhante ao processo de um sistema nervoso, utilizando neurônios artificiais interconectados que efetuam a soma das entradas gerando uma saída (SETÚBAL, SILVA e SCHNEIDER, 2003, p.2). Consiste na identificação de caracteres alfanuméricos através de diversos métodos de RP (SILVA, 2006).

3 OBJETIVOS Estudar um sistema que trabalhe no pré-processamento das imagens, capturando textos que possam servir como base no sensoriamento da rede neural, efetuando a identificação do texto escrito. GERAL ESPECÍFICOS realizar estudos sobre os modelos e arquitetura das RNA; estudar processamento de imagens; realizar o treinamento da RNA; identificar os caracteres escritos.

4 AGENDA INTRODUÇÃO REDES NEURAIS RECONHECIMENTO DE CARACTERES MANUSCRITOS ESTUDO DE CASO CONSIDERAÇÕES FINAIS E RECOMENDAÇÕES

5 Sistemas computacionais, de implementação em hardware e software, que imitam as habilidades computacionais do sistema nervoso biológico, utilizando para isso um grande numero de simples neurônios artificiais interconectados (LOESCH e SARI apud FERNADES, 2003, p.57). São máquinas concebidas para atuarem de forma similar ao processo de um sistema nervoso. Seus elementos e processamentos são feitos através de neurônios artificiais, interconectados, que calculam a soma das entradas e geram uma saída por meio da aplicação dessa soma a uma função de transferência (SETÚBAL, SILVA e SCHNEIDER, 2003, p.2). REDES NEURAIS CONCEITOS

6 REDES NEURAIS HISTÓRICO Tabela 1 – Histórico das RNAs

7 Figura 2 – Primeiro modelo de neurônio artificial Fonte - AZEVEDO, BRASIL e OLIVEIRA (2000, p.4) Figura 3 – Modelo genérico de neurônio artificial Fonte - VISGRAF (2006) REDE NEURAL NATURAL versus REDE ARTIFICIAL REDES NEURAIS Figura 1 – Modelo de neurônio natural Fonte - INSTITUTO SANTA ÚRLUSA (2006)

8 REDE NEURAL ARTIFICIAL REDES NEURAIS Figura 4 – Modelo perceptron de neurônio Fonte – Adaptado de MEDEIROS (2003, p.3) Figura 5 – Rede perceptron multicamada Fonte – VISIOGRAF (2006) Figura 6 – Função de ativação Fonte – AZEVEDO, BRASIL e OLIVEIRA (2000, p.74) Figura 7 – Função de entrada do perceptron Fonte – AZEVEDO, BRASIL e OLIVEIRA (2000, p.73)

9 CONCEITOS HISTÓRICO RECONHECIMENTO DE CARACTERES MANUSCRITOS Consiste em, a partir de características extraídas de um conjunto de caracteres, separá-los em 10 classes, no caso dos algarismos, ou 26 classes, no caso das letras do alfabeto (SILVA, 2006). CLASSIFICAÇÃO Figura 8 – Classificação do reconhecimento de caracteres Fonte – SILVA e THOMÉ (2003, p.2) Tabela 2 – Histórico do Reconhecimento de Caracteres

10 FASES DO SISTEMA DE RECONHECIMENTO RECONHECIMENTO DE CARACTERES MANUSCRITOS Aquisição Extração das regiões de interesse Tratamento da imagem Extração e codificação de características Reconhecimento Validação Apresentação

11 Figura 10 – Projeção Hexagonal e Quadrado Rotacionado Fonte – SILVA e THOMÉ (2003, p.8) Figura 9 – Projeções utilizando o quadrado Fonte – SILVA e THOMÉ (2003, p.8) RECONHECIMENTO DE CARACTERES MANUSCRITOS ESTRATÉGIAS PARA RECONHECIMENTO DO CARACTERE MANUSCRITO Projeção Poligonal Mapa de Bits Características Internas Quadrado Rotacionado Figura 11 – Varredura das características internas Fonte – SILVA e THOMÉ (2003, p.8) Figura 12 – Matriz binária do caractere 0 escrito de quatro maneiras distintas Fonte – CARVALHO, SAMPAIO e MONGIOVI (1999, p.8)

12 RECONHECIMENTO DE CARACTERES MANUSCRITOS ÁREAS DE APLICAÇÃO

13 Subamostragem Binarização Filtragem Mediana Segmentação ESTUDO DE CASO PRÉ-PROCESSAMENTO E TRATAMENTO DAS IMAGENS Ocelos de Visão Figura 13 – Segmentação do caractere em quadrículas 32x32 Figura 14 – Filtragem mediana do caractere L Figura 15 – Binarização do caractere S Figura 16 – Subamostragem aplicada ao caractere S Figura 17 – Ocelos de visão 9x8x8 em caractere S

14 ESTUDO DE CASO ARQUITETURA DA REDE NEURAL TREINAMENTO E TESTE Duas camadas 576 entradas e 36 saídas Conexões do tipo Feedforward Algoritmo de aprendizado Backpropagation 1000 épocas de treinamento 1800 amostras no conjunto de treino (0 a 9 e A a Z) Conjunto de teste diferente do conjunto de treino Criação de um arquivo de conhecimento após o treinamento

15 ESTUDO DE CASO RESULTADOS OBTIDOS Taxa de erro aproximada de 0,26% Acerto nominal de 99,74% Tempo de reconhecimento de 2 formulários igual a 35,36 segundos Tempo de digitação de 2 formulários igual a 6 minutos Ganho temporal de aproximadamente 5,3 minutos Classificação de cerca de 298 dos 310 caracteres Taxa de acerto geral de 96,12%

16 CONSIDERAÇÕES FINAIS Objetivo alcançado com a realização concreta do reconhecimento do caractere através do protótipo apresentado. de um estudo elaborado sobre RNA; da utilização de fundamentos em tratamento de imagens; de um estudo elaborado em processamento de imagens digitais. O sucesso do trabalho foi obtido por meio: O protótipo desenvolvido para o reconhecimento de caracteres manuscritos, foi essencial para a demonstração da real possibilidade de se concretizar o reconhecimento dos caracteres, abrindo caminho a novas aplicações comerciais.

17 RECOMENDAÇÕES FUTURAS Reconhecimento ótico de assinaturas Reconhecimento de caracteres manuscritos cursivos Desenvolvimento da aplicação comercial Identificação pessoal através de características caligráficas Estudo da fundamentação matemática das RNAS Técnicas avançadas de processamento de imagens digitais


Carregar ppt "RECONHECIMENTO DE CARACTERES MANUSCRITOS APLICANDO REDES NEURAIS."

Apresentações semelhantes


Anúncios Google