| Summary: | Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-08-14T17:09:02Z
No. of bitstreams: 1
JOSÉ JOSEMAR DE OLIVEIRA JÚNIOR - TESE PPGEE 2006..pdf: 1171314 bytes, checksum: 0928567e064b5758d1d9df30928e1575 (MD5) === Made available in DSpace on 2018-08-14T17:09:02Z (GMT). No. of bitstreams: 1
JOSÉ JOSEMAR DE OLIVEIRA JÚNIOR - TESE PPGEE 2006..pdf: 1171314 bytes, checksum: 0928567e064b5758d1d9df30928e1575 (MD5)
Previous issue date: 2006-10-30 === Capes === Este trabalho propõe uma metodologia de reconhecimento de palavras manuscritas usando diferentes arquiteturas que são inspiradas nas conclusões obtidas em relação aos mecanismos perceptivos e o processo de leitura humano. Como estudo de caso, a abordagem é aplicada ao problema do reconhecimento de palavras manuscritas que representam os meses do ano. Este problema é relevante pois ocorre com frequência no processamento de cheques bancários, dentre outras aplicações. O sistema de análise multi-vistas proposto é formado pelas seguintes arquiteturas: pseudo-segmentação de radical, pseudo-segmentação fixa e pseudo-segmentação variável. Cada arquitetura é formada por um módulo de extração de primitivas, inspirado em modelos perceptivos e específico para o tipo de segmentação utilizado e por um classificador apropriado. Os testes foram realizados com uma base de palavras construída especificamente
para este fim, também descrita neste trabalho. === This work presente a multiple classifier system applied to the handwritten word recognition
(HWR) probiem. The goal is to investigate the use of perceptual models in the development of recognition systems. The handwritten words are analyzed considering different approximation leveis, in order to get a computational approach of the reading human process. The application proposed is the recognition of the Portuguese handwritten names of the months. The considered system is formed by the following architectures: 2 fixed sub-regions, 8 fixed sub-regions and N variable sub-regions. Each architecture is formed by a module of features extraction, based on perceptual models and specific for each type of segmentation, and an appropriate classifier. The experimental teste have performed on a database specifically built for this probiem, also described in this work.
|
|---|
