Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/37323| Título: | Reconhecimento de palavras manuscritas infantis utilizando deep learning |
| Título(s) alternativo(s): | Recognition of children’s handwritten words using deep learning |
| Autor(es): | Gianisella, Maria Eduarda Guedes Pinto |
| Orientador(es): | Aires, Simone Bello Kaminski |
| Palavras-chave: | Escrita - Identificação Escritos de crianças Manuscritos Sistemas de reescrita (Computação) Aprendizado do computador Redes neurais (Computação) Writing - Identification Children's writings Manuscripts Rewriting systems (Computer science) Machine learning Neural networks (Computer science) |
| Data do documento: | 22-Mai-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | GIANISELLA, Maria Eduarda Guedes Pinto. Reconhecimento de palavras manuscritas infantis utilizando deep learning. 2025. Trabalho de Conclusão de Curso (Bacharel em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, 2025. |
| Resumo: | O reconhecimento de manuscritos infantis é um desafio significativo na área de visão computacional, devido à alta variabilidade, inconsistência e imprecisão presentes na escrita de crianças em fase de alfabetização. Este trabalho tem como objetivo desenvolver um sistema de reconhecimento de palavras manuscritas infantis utilizando redes neurais convolucionais (CNNs) com técnicas de aprendizado profundo. Para isso, foi utilizada uma base de dados composta por 3.476 imagens de palavras escritas por crianças entre 6 e 10 anos. As imagens foram processadas e classificadas em 84 classes correspondentes a um léxico educacional. Foram aplicadas técnicas de pré-processamento, e o treinamento de modelos VGG-16 e ResNet-50 foi realizado, testando a aplicação de data augmentation e transfer learning com os modelos pré-treinados na base IAM. Os modelos foram avaliados por métricas como acurácia, precisão e Word Error Rate (WER). Os resultados demonstraram acurácia de até 96,55% no reconhecimento das palavras, validando a eficácia da abordagem proposta. O sistema tem potencial de aplicação em ambientes educacionais, especialmente na forma de jogos digitais, contribuindo para o apoio ao processo de alfabetização de forma inclusiva e interativa. |
| Abstract: | The recognition of children's handwriting is a significant challenge in the field of computer vision due to the high variability, inconsistency, and imprecision found in the writing of children in the early stages of literacy. This work aims to develop a recognition system for handwritten children's words using Convolutional Neural Networks (CNNs) with deep learning techniques. To achieve this, a dataset consisting of 3,476 images of words written by children aged 6 to 10 was used. The images were processed and classified into 84 classes corresponding to an educational lexicon. Preprocessing techniques were applied, and VGG-16 and ResNet-50 models were trained, testing the application of data augmentation and transfer learning using models pre-trained on the IAM dataset. The models were evaluated using metrics such as accuracy, precision and Word Error Rate (WER). The results showed accuracy rates of up to 96.55% in word recognition, validating the effectiveness of the proposed approach. The system has potential applications in educational environments, particularly in the form of digital games, contributing to the literacy process in an inclusive and interactive way. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/37323 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| manuscritosinfantisdeeplearning.pdf | 3,56 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
