Reconhecimento de Manuscrito utilizando Redes Neurais Artificiais.

Edison Antonio Sahd Filho Centro Universitrio Filadlfia UniFil

Orientador Prof. Msc. Mario Henrique Adaniya UniFil

Resumo: O reconhecimento de manuscrito a rea da computao responsvel pela identificao de uma letra ou dgito escrito a mo. Este trabalho tem como objetivo apresentar o reconhecimento de manuscrito utilizando redes neurais artificiais como classificador. Os resultados do experimento ainda no esto disponveis. PalavrasChave: Redes Neurais Artificiais, Viso Computacional, Reconhecimento de Manuscrito.

Abstract: The handwriting recognition is a branch of the computation responsible for the identifying of the character handwritten. This paper aims to present the handwritting recognition using artificial neural network as a classifier. The experimental results are not available yet. Keywords: Artificial Neural Network, Computer Vision, Handwriting Recognition.

A confeco de documentos em manuscrito uma importante forma de documentar e comunicar informaes. De uma forma geral, a confeco de documentos em manuscrito a transferncia de informaes de conhecimento de uma pessoa para um papel, de forma manual. De acordo com Conci et al (2008), a rea da viso computacional responsvel por extrair informaes de uma imagem atravs de algoritmos de computao grfica (anlise de imagens) e identificar e classificar objetos na mesma, atravs de tcnicas da inteligncia computacional. Desta forma, o reconhecimento de manuscrito uma rea de interesse para os pesquisadores do campo de viso computacional e inteligncia computacional. O reconhecimento de manuscrito, de acordo com Aires (2005) e Ferreira et al (2012) possui aplicaes em reconhecimento e processamento de placas de veculos, leitura automtica de cheques bancrios, processamento automtico de cdigo postal, processamento de formulrios preenchidos manualmente, dentre outros. Entretanto, a variao de estilos de manuscrito entre diferentes pessoas pode

ocasionar problemas no reconhecimento de manuscrito. Outro problema identificado esta presente na tarefa de classificar letras que possuem similaridades entre si, como no caso de U e V (Aires, 2005) e (Azevedo, 2011). Uma possvel soluo para os problemas descritos a utilizao de um modelo da inteligncia computacional capaz de aprender a caracterstica mais relevante de um caractere. Utilizamos as redes neurais artificiais para realizar a extrao de caracterstica. Uma rede neural artificial, de acordo com Haykin (2001), um processador maciamente paralelamente distribudo, constitudo de unidades de processamento simples (neurnios artificiais), que tm a propenso natural para armazenar conhecimento experimental e torn-lo disponvel para o uso. Desta forma, o objetivo deste trabalho desenvolver um sistema de reconhecimento de manuscrito inteligente (ICR) capaz de reconhecer com contexto limitado de caracteres, os dgitos. Para isto, desenvolveu-se um sistema capaz de reconhecer os dgitos de forma on-line. O reconhecimento on-line utiliza uma rea do sistema para inserir a imagem a ser classificada (no caso, um dgito). O sistema divide-se em trs fases principais:

1. Obter dgito: responsvel por obter o dgito a ser reconhecido. O usurio dever
desenhar o dgito a ser reconhecido em uma rea definida;

2. Gerar padro: aps obter o dgito, o sistema ir gerar o padro do dgito, que alimentara
entrada da rede neural. Para gerar este padro, utilizou-se uma variao do algoritmo de zoning (Bokser, 1992);

3. Classificao do padro: classifica o manuscrito de entrada atravs de uma rede neural

artificial. Para isso, utilizou-se um perceptron simples com 4 neurnios artificiais; O algoritmo de zoning,de acordo com Bokser (1992) e Cruz et al (2009), consiste em dividir a imagem em reas, e considerar o percentual de pontos pretos em cara rea. Estas reas podem ser um matriz unidimensional ou uma matriz bidimensional. A variao deste algoritmo utilizada para estre trabalho consiste em dividir a imagem em reas e considerar cada rea com pontos pretos. Para o experimento, a imagem dividida em uma matriz 10x10. O perceptron simples um modelo neural alimentado adiante capaz de solucionar problemas linearmente separveis. Este modelo possui uma nica camada de neurnios

computacionais e possui um algoritmo de aprendizado supervisionado. A fase de treinamento da rede consiste em um vetor de padres de entrada e uma sada esperada. Para o experimento, consideramos um vetor de treinamento com dez diferentes padres de entrada. Cada padro de entrada consiste em um conjunto de letras de pessoas diferentes. Esta caracterstica garante que a rede neural possa classificar diferentes estilos de manuscritos. Os neurnios de um perceptron simples possui como sada uma ativao 0 ou 1. Para que seja possvel classificar os dgitos de 0 9 necessrio 4 neurnios computacionais, para a classificao na ordem de 2=16. Atualmente o experimento encontra-se em fase de treinamento da rede neural artificial. Por este motivo, no ser apresentado os resultados neste resumo.

Referncias Aires, S. B. K., Reconhecimento de caracteres manuscritos baseados em regies perceptivas. Dissertao de Mestrado. Pontifcia Universidade Catlica do Paran. Curitiba. 2005

Azevedo W. W., Zanchettin C., Um Modelo Hbrido MLP-SVM para Reconhecimento de Caracteres Manuscritos Cursivos, Centro de Informtica Universidade Federal de Pernambuco (UFPE), 2011.CONFERE

BOKSER,M.,Omnidocument Technologies. PROCFEDINGS OF THE IEEE. VOI HO. NO. 7. JULY 1992

CONCI, A., AZEVEDO, E., LETA, F. R. Computao grfica. Rio de Janeiro: Elseview, 2008.

FERREIRA, L. S., SOARES, L. P. Reconhecimento automtico de placas veiculares. In: VIII Workshop de Viso Computacional (WVC), 2012, Goinia - Gois - Brasil. Anais do VIII Workshop de Viso Computacional, 2012.

Rafael M. O. Cruz; Cavalcanti, George D. C.; I. R. Tsang. Anlise de Tcnicas de Extrao de Caractersticas para o Reconhecimento de Dgitos Manuscritos. In: SIBGRAPI 2009 - Workshop of Undergraduate Work, 2009, Rio de Janeiro. Proceedings of WUW 2009 (SIBGRAPI 2009), 2009.

SIMON, H. Redes neurais: princpios e prtica. Porto Alegre: Bookman, 2001.