REDES NEURAIS CLASSE MODULAR APLICADAS NO RECONHECIMENTO DE CARACTERES MANUSCRITOS

Autores

  • Clariane Silva Menezes UNOESTE
  • Leandro Luiz Almeida Universidade do Oeste Paulista
  • Francisco Assis da Silva Universidade do Oeste Paulista - UNOESTE
  • Mário Augusto Pazoti UNOESTE
  • Almir Olivette Artero UNESP

Palavras-chave:

Reconhecimento de Padrões, Rede Neural Artificial, Processamento de Imagens, Sistemas OCR, Visão Computacional

Resumo

O reconhecimento de caracteres manuscritos ainda é um grande desafio da área de visão computacional, devido principalmente à diversidade de estilos que as pessoas podem escrever, o que dificulta generalizar o problema. Além disso, existe também a dificuldade em definir os descritores que melhor caracterizam o caractere e construir sistemas OCR de alto desempenho. Este artigo apresenta um sistema de reconhecimento de caracteres manuscritos off-line, utilizando Redes Neurais Artificiais Classe Modular com o algoritmo clássico de treinamento backpropagation, além dos métodos utilizados para a extração de características. Apesar do treinamento dos classificadores neurais exigirem muito tempo de processamento e o reconhecimento das 62 classes de caracteres, que poucos trabalhos consideram, os resultados obtidos com os experimentos se mostram muito promissores, alcançando taxas de acerto acima de 90%.

Downloads

Não há dados estatísticos.

Biografia do Autor

Leandro Luiz Almeida, Universidade do Oeste Paulista

Graduação em Ciência da Computação; Mestrado em Ciências Cartográficas (Aquisição, Processamento e Análise de Imagens Digitais); Doutorando em Engenharia Elétrica (Visão Computacional).

Publicado

2014-12-10

Como Citar

Menezes, C. S., Almeida, L. L., Silva, F. A. da, Pazoti, M. A., & Artero, A. O. (2014). REDES NEURAIS CLASSE MODULAR APLICADAS NO RECONHECIMENTO DE CARACTERES MANUSCRITOS. Colloquium Exactarum. ISSN: 2178-8332, 6(2), 170-183. Recuperado de http://revistas.unoeste.br/index.php/ce/article/view/1095

Edição

Seção

Artigos Originais

##plugins.generic.recommendByAuthor.heading##

1 2 3 4 5 6 > >>