| |
| Acadêmico(a): Caique Albert Muller Reinhold |
| Título: MODELO DE UMA REDE NEURAL PROFUNDA PARA RECONHECIMENTO DE TEXTO MANUSCRITO OFFLINE |
| |
| Conclusão: |
| Este trabalho apresentou a especificação de um modelo de rede neural profunda utilizando RNCs e RNRs para o reconhecimento de texto manuscrito off-line, assim como a implementação de um protótipo para a validação do modelo. O protótipo foi implementado na linguagem de programação Python utilizando a biblioteca Theano e treinado com a base de dados IAM de imagens de texto manuscrito. Os resultados obtidos com o protótipo se mostraram abaixo do esperado, com uma taxa CER de 48,83% e WER de 71,4%. Apesar disso, o modelo apresentado foi validado e se mostra uma alternativa válida para o reconhecimento de texto manuscrito off-line. Os motivos para o desempenho do protótipo abaixo do esperado foram elencados e possíveis soluções foram propostas. O modelo apresentado é capaz de aprender características de ponta a ponta, ou seja, aprende a classificar classes de um alto nível de abstração a partir dos dados brutos, neste caso a imagem. Ele se mostra também bastante robusto na classificação de um padrão com uma variabilidade tão alta como o texto manuscrito em imagens digitais. |
| |
|
