Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova

Detalhes bibliográficos
Autor(a) principal: Silva Filho, Darlan de Castro
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/49203
Resumo: O software Multiprova foi muito utilizado durante os períodos de ensino remoto na Universidade Federal do Rio Grande do Norte (UFRN), com a volta presencial das aulas o processo de correção de provas precisou ser melhorado para facilitar a adaptação do sistema às aulas presenciais, uma dessas melhorias foi a correção automática de cartões respostas dos alunos. O reconhecimento ótico de caracteres é uma técnica recente muito utilizada para máquinas realizarem a leitura de textos escrito por humanos. O objetivo central do trabalho é desenvolver um processo de reconhecimento de caracteres manuscritos a fim de melhorar e facilitar a correção de provas no software Multiprova. Para essa finalidade foram utilizadas redes neurais convolucionais para realizar essa tarefa. Com a coleta de imagens feitas pelos próprios alunos da UFRN, foram analisados e comparados cenários diferentes com o incremento das configurações das redes com o intuito de gerar redes neurais com as melhores taxas de precisão. Com isso foram obtidos ótimos níveis de acurácia, permitindo alta confiabilidade no software e mais segurança e facilidade na correção das provas.
id UFRN_17ca156f6fda50091aaccc919f18c3d3
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/49203
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Silva Filho, Darlan de Castrohttp://lattes.cnpq.br/7784696971048666http://lattes.cnpq.br/8709900833456787Santana Junior, Orivaldo Vieira dehttp://lattes.cnpq.br/5050555219716698Medeiros, Rex Antonio da Costahttp://lattes.cnpq.br/2840084735974670Peixoto, Helton Maia2022-08-23T12:11:25Z2022-08-23T12:11:25Z2022-07-22SILVA FILHO, Darlan de Castro. Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas Correções do Sistema multiprova. 2022. 62f.Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) - Departamento de Engenharia de Computação e Automação, Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/49203O software Multiprova foi muito utilizado durante os períodos de ensino remoto na Universidade Federal do Rio Grande do Norte (UFRN), com a volta presencial das aulas o processo de correção de provas precisou ser melhorado para facilitar a adaptação do sistema às aulas presenciais, uma dessas melhorias foi a correção automática de cartões respostas dos alunos. O reconhecimento ótico de caracteres é uma técnica recente muito utilizada para máquinas realizarem a leitura de textos escrito por humanos. O objetivo central do trabalho é desenvolver um processo de reconhecimento de caracteres manuscritos a fim de melhorar e facilitar a correção de provas no software Multiprova. Para essa finalidade foram utilizadas redes neurais convolucionais para realizar essa tarefa. Com a coleta de imagens feitas pelos próprios alunos da UFRN, foram analisados e comparados cenários diferentes com o incremento das configurações das redes com o intuito de gerar redes neurais com as melhores taxas de precisão. Com isso foram obtidos ótimos níveis de acurácia, permitindo alta confiabilidade no software e mais segurança e facilidade na correção das provas.The Multiprova software was widely used during remote teaching at the Federal University of Rio Grande do Norte. With the return of classroom classes, the exam correction process needed to be improved to facilitate the adaptation of the system to presential courses, one of these improvements was the automatic correction of student response cards. Optical character recognition is a recent technique widely used for machines to read text written by humans. This academic work aims to develop a handwritten character recognition process to improve and facilitate exam correction in Multiprova software. For this purpose, convolutional neural networks were used to perform this task. With the UFRN student’s images, different scenarios were analyzed and compared with the increment of network configurations to generate neural networks with the best accuracy rates. As a result, excellent levels of accuracy were obtained, allowing high reliability in the software and more security and ease in exam correction.Universidade Federal do Rio Grande do NorteEngenharia de ComputaçãoUFRNBrasilDepartamento de Engenharia de Computação e AutomaçãoReconhecimento ótico de caracteresInteligência artificialAprendizado de máquinaRedes neurais convolucionaisReconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprovainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNinfo:eu-repo/semantics/openAccessORIGINALReconhecimentoDeCaracteres_Silva_2022.pdfReconhecimentoDeCaracteres_Silva_2022.pdfapplication/pdf3337223https://repositorio.ufrn.br/bitstream/123456789/49203/1/ReconhecimentoDeCaracteres_Silva_2022.pdf6b0839738020e697202616817e50078aMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81484https://repositorio.ufrn.br/bitstream/123456789/49203/2/license.txte9597aa2854d128fd968be5edc8a28d9MD52123456789/492032022-08-23 09:11:27.523oai:https://repositorio.ufrn.br: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Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-08-23T12:11:27Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
title Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
spellingShingle Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
Silva Filho, Darlan de Castro
Reconhecimento ótico de caracteres
Inteligência artificial
Aprendizado de máquina
Redes neurais convolucionais
title_short Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
title_full Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
title_fullStr Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
title_full_unstemmed Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
title_sort Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
author Silva Filho, Darlan de Castro
author_facet Silva Filho, Darlan de Castro
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/7784696971048666
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/8709900833456787
dc.contributor.referees1.none.fl_str_mv Santana Junior, Orivaldo Vieira de
dc.contributor.referees1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5050555219716698
dc.contributor.referees2.none.fl_str_mv Medeiros, Rex Antonio da Costa
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/2840084735974670
dc.contributor.author.fl_str_mv Silva Filho, Darlan de Castro
dc.contributor.advisor1.fl_str_mv Peixoto, Helton Maia
contributor_str_mv Peixoto, Helton Maia
dc.subject.por.fl_str_mv Reconhecimento ótico de caracteres
Inteligência artificial
Aprendizado de máquina
Redes neurais convolucionais
topic Reconhecimento ótico de caracteres
Inteligência artificial
Aprendizado de máquina
Redes neurais convolucionais
description O software Multiprova foi muito utilizado durante os períodos de ensino remoto na Universidade Federal do Rio Grande do Norte (UFRN), com a volta presencial das aulas o processo de correção de provas precisou ser melhorado para facilitar a adaptação do sistema às aulas presenciais, uma dessas melhorias foi a correção automática de cartões respostas dos alunos. O reconhecimento ótico de caracteres é uma técnica recente muito utilizada para máquinas realizarem a leitura de textos escrito por humanos. O objetivo central do trabalho é desenvolver um processo de reconhecimento de caracteres manuscritos a fim de melhorar e facilitar a correção de provas no software Multiprova. Para essa finalidade foram utilizadas redes neurais convolucionais para realizar essa tarefa. Com a coleta de imagens feitas pelos próprios alunos da UFRN, foram analisados e comparados cenários diferentes com o incremento das configurações das redes com o intuito de gerar redes neurais com as melhores taxas de precisão. Com isso foram obtidos ótimos níveis de acurácia, permitindo alta confiabilidade no software e mais segurança e facilidade na correção das provas.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-08-23T12:11:25Z
dc.date.available.fl_str_mv 2022-08-23T12:11:25Z
dc.date.issued.fl_str_mv 2022-07-22
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SILVA FILHO, Darlan de Castro. Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas Correções do Sistema multiprova. 2022. 62f.Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) - Departamento de Engenharia de Computação e Automação, Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/49203
identifier_str_mv SILVA FILHO, Darlan de Castro. Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas Correções do Sistema multiprova. 2022. 62f.Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) - Departamento de Engenharia de Computação e Automação, Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.
url https://repositorio.ufrn.br/handle/123456789/49203
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv Engenharia de Computação
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Departamento de Engenharia de Computação e Automação
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/49203/1/ReconhecimentoDeCaracteres_Silva_2022.pdf
https://repositorio.ufrn.br/bitstream/123456789/49203/2/license.txt
bitstream.checksum.fl_str_mv 6b0839738020e697202616817e50078a
e9597aa2854d128fd968be5edc8a28d9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802117890202140672

Registros relacionados