O uso da rede neural convolucional como extrator de características aplicado ao problema de identificação de escritores

• Autor(a) principal: Righetto, Guilherme
• Data de Publicação: 2016
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/6031
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; Redes neurais (Computação); Escrita - Identificação; Escrita; Neural networks (Computer science); Writing - Identification; Writing

Contexto: No contexto da identificação de escritores, frequentemente pesquisadores propõem diferentes métodos para a extração, processamento das características e classificação. Podemos dividir a identificação de escritores em dois grandes grupos. O primeiro extraí características locais referentes a escrita, como espaçamento, vales, laços, angulações, dentre outras. O segundo representa a escrita através de descritores de textura, que extraem características globais. As bases de documentos manuscritos normalmente possuem um único estilo de escrita. Entretanto atualmente o conteúdo de cada amostra do mesmo escritor produz documentos em línguas diferentes, como, português, árabe, inglês, alemão, dentre outras. Ao considerar mais de um estilo de escrita para o problema de identificação de escritores, a tarefa torna-se ainda mais difícil, pois é necessário construir um sistema de identificação independente do alfabeto utilizado. A fim de solucionar o problema de identificação de escritores que produzem documentos em línguas diferentes, foram utilizados diversas técnicas como citado anteriormente. Uma delas é utilizar uma rede neural convolucional (CNN) como extrator de características e classificador, na qual, também foi utilizada neste trabalho, além da abordagem de dissimilaridade, que transforma um problema n-classes em binário. Objetivo: O principal objetivo deste trabalho é avaliar o desempenho propiciado através das características extraídas pela rede neural convolucional (CNN) no processo de identificação off-line de escritores. Para isso utilizaremos as bases de dados BFL, CVL e QUWI. Método: O método proposto neste trabalho cumpriu as seguintes etapas: Realizou um pré-processamento nos documentos manuscritos utilizando uma abordagem de geração de textura. Posteriormente a textura foi dividida em blocos de tamanho igual a 128 × 128. Na etapa seguinte com uso do classificador CNN / extrator universal de características foi utilizado dois recursos providos pela CNN, sendo a classificação de cada bloco de entrada. Portanto, o processo tradicional do classificador CNN e também o uso da CNN como um extrator de características. Em seguida, o cálculo da dissimilaridade sobre os vetores de características extraídos a partir de cada bloco. Na etapa seguinte foi utilizado o classificador SVM para classificar os blocos de textura. Por fim, foi realizado a combinação das predições geradas de cada bloco, pelo SVM e pela CNN, a fim de obter uma decisão final sobre quem escreveu determinado documento. Resultados: Os principais resultados obtidos foram utilizando a abordagem de dissimilaridade no vetor de características extraído pela rede neural convolucional, sendo eles 98,26% (BFL), 97,91% (CVL) e 86,96% (QUWI). Conclusões: Concluímos neste trabalho, que a abordagem de dissimilariadde se mantém robusta em relação a identificação de escritores de documentos manuscritos de diferentes línguas. Além disso, observou-se que as características extraídas pela CNN obteve bons resultados nos casos em que a língua escrita seguia um alfabeto similar.