| |
| Acadêmico(a): Caique Albert Muller Reinhold |
| Título: MODELO DE UMA REDE NEURAL PROFUNDA PARA RECONHECIMENTO DE TEXTO MANUSCRITO OFFLINE |
| |
| Resumo: |
| Este trabalho apresenta a descrição de um modelo para reconhecimento de texto manuscrito off-line assim como a implementação de um protótipo para validação deste modelo. O reconhecimento de texto manuscrito off-line é uma técnica útil que pode ser aplicada em diferentes tarefas, como a digitalização de documentos históricos. Entretanto, o reconhecimento de texto manuscrito sem restrições é ainda hoje um problema bastante desafiador. O modelo apresentado utiliza um híbrido de redes neurais convolucionais e recorrentes que classificam texto manuscrito utilizando os pixels da imagem como entrada através de técnicas do aprendizado profundo. Para o treinamento do modelo é utilizada uma camada de Connectionist Temporal Classification, que emprega uma função de custo que é capaz de alinhar uma sequência de caracteres a sequência de entrada. Um protótipo do modelo é implementado e treinado utilizando a base de dados de imagens de texto manuscrito IAM. Os resultados obtidos foram satisfatórios e demonstram que o modelo é uma alternativa válida para o reconhecimento de texto manuscrito off-line, se mostrando robusto o suficiente para aprender a classificar um padrão com uma grande variabilidade como o texto manuscrito. |
| |
|
