TCC - A INTELIGÊNCIA ARTIFICIAL NO SISTEMA DE RECONHECIMENTO AUTOMÁTICO DE CARACTERES

OBJETIVOS ESPECÍFICOS OU SECUNDÁRIOS 6 3 JUSTIFICATIVA 7 4 FUNDAMENTAÇÃO TEÓRICA 8 5 METODOLOGIA 12 6 CRONOGRAMA DE DESENVOLVIMENTO 13 REFERÊNCIAS 15 1 INTRODUÇÃO A Inteligência Artificial e a busca pela replicação da consciência e das atividades humanas por meio de máquinas como ler, escrever, cantar. Há séculos é um sonho e um campo de pesquisa para a sociedade. Nos últimos 60 anos, felizmente, esses sonhos foram se tornando realidade graças ao desenvolvimento exponencial da tecnologia para automatizar tarefas realizadas até agora pelo ser humano. Uma das atividades com maior história e avanços tem sido o reconhecimento óptico de formas e padrões, com aplicações em inúmeros campos que permitem o processamento de informações de nosso ambiente e, posteriormente, combiná-las com outras tarefas de automação e classificação.

Encontramo-nos, portanto, em um campo com grande projeção futura e no qual as máquinas estão cada vez mais próximas de competir com as capacidades humanas de leitura e abstração. As aplicações desta tecnologia abrangem cada vez mais áreas da nossa sociedade e da nossa vida quotidiana. OBJETIVOS 2. OBJETIVO GERAL OU PRIMÁRIO O objetivo geral deste projeto é estudar e treinar diferentes modelos de Redes Neurais para testar seu desempenho no reconhecimento de caracteres tanto em dados de validação quanto em caracteres manuscritos em diferentes condições. OBJETIVOS ESPECÍFICOS OU SECUNDÁRIOS Testagem para se detecta mais de um caractere na mesma imagem e se pode fazê-lo em tempo real com uma entrada de vídeo Mostrar as inúmeras aplicações além das já mencionadas, indo desde a detecção de caracteres até palavras e depois utilizando-o para o reconhecimento de secções de um bilhete de identidade.

JUSTIFICATIVA O tema foi escolhido pela necessidade de mostrar como se defini as bases que cimentam as redes de Deep Learning, estabelecendo os conceitos e terminologia que iremos utilizar, o estado da arte da Inteligência Artificial como a conhecemos hoje e o design feito de raiz do método de treino e previsão de vários sistemas que serão explicados. ACADEMY, 2018). Embora à primeira vista possa parecer que o OCR é uma consequência do desenvolvimento da Inteligência Artificial, a realidade é que os seres humanos tentam implementar esta tecnologia desde o final dos anos 1920. NETO; JÚNIOR; ROCHA; JUNIOR; JÚNIOR, 2017). A invenção deste sistema é atribuída a Gustav Tauschek, um inventor austríaco que em 1929 desenvolveu um sistema primitivo de reconhecimento de caracteres para máquinas de calcular baseadas em cartões perfurados.

ZHANG, 2013). CHATTOPADHYAY; SINHA; BISWAS, 2011). Na realidade, as imagens não seguem um “template” e terão variações de tipografia, formas, iluminação e orientação, então esses sistemas ainda eram extremamente limitados. ABADI. Os sistemas atuais de OCR foram implementados no final dos anos 90, combinando os métodos contemporâneos usados ​​com métodos de reconhecimento de padrões e inteligência artificial. ACADEMY, 2018). McCarthy acreditava que todo o sistema de resolução de problemas cotidianos realizado por humanos poderia ser dividido em técnicas matemáticas e, assim, formalizado com algoritmos. ACADEMY, 2018). A partir desse momento até à década de 1980, começaram a ser criados conceitos que hoje consideramos inerentes à IA, como reconhecimento de padrões, Machine Learning, ciência cognitiva. Que poderia fazer por nós. Durante as décadas de 1950 e 1960, foram desenvolvidas as primeiras máquinas com inteligência artificial primitiva, como o STUDENT (1964) que conseguia resolver problemas algébricos a partir de uma sentença.

Mesmo assim, eles descobriram que a incapacidade de aprender algoritmicamente com os dados fornecidos; e o de atingir certos níveis de incerteza, colocou esses computadores em segundo plano enquanto nessa época surgiam os chamados "computadores pessoais" da IBM e da Apple, com custo menor e mais rápido. ABADI. O colapso do mercado de computadores de quinta geração no mercado levou a um “segundo inverno” para a Inteligência Artificial, com poucas esperanças de ressurgimento. Apesar de ter perdido a atenção do público em geral, o desenvolvimento para encontrar e melhorar modelos não parou e foi no final do século XX que surgiu um novo paradigma, o Machine Learning (aprendizado de máquina). ACADEMY, 2018). A cada síntese do pensamento humano avançamos, assim, a cada síntese da educação avançamos.

Esse projeto também consiste na realização de uma pesquisa aplicada, de caráter bibliográfica, que visa relacionar as variáveis de análise central, bem como apresentar subsídios de informação que possam servir de diretrizes para as questões direcionadas a inteligência artificial no sistema de reconhecimento automático de caracteres Com isso, pretende-se construir um entrelaçamento entre os temas. Os resultados serão apresentados sobre forma qualitativa, a partir da coleta de informações de fontes primárias e secundárias. Reúnem-se os materiais selecionados, organizando as principais informações, e elas serão empregadas na elaboração dos resultados e discussões desse trabalho. O presente trabalho se trata de uma revisão bibliográfica em que alguns livros e artigos serão selecionados com a intenção de resgatar o melhor do tema tratado, para isso será utilizada a biblioteca virtual da própria instituição bem como banco de dados da Cielo e do Google acadêmico.

org/>. Disponível em: 17 de abril de 2023. ACADEMY, D. S. Introdução as Redes Neurais Convolucionais. Dissertação (Mestrado) — Universidade Federaldo Ceará (UFC), 2005. CHATTOPADHYAY, T. SINHA, P. BISWAS, P. Performance of document image ocrsystems for recognizing video texts on embedded platform. I. R. R. O. Análise de técnicas de extração de características para o reconhecimento de dígitos manuscritos. DIVEKAR, N. Optical character recognition. International Journal of Recent Technology and Engineering (IJRTE), v. n. Março 2013. J. de M. S. JÚNIOR, I. C. A study of pattern recognition of iris flower based on machine learning. Turun ammattikorkeakoulu, 2013. ZHANG, H. et al. Text extraction from natural scene image: A survey.