APLICAÇÃO DE REDES NEURAIS CONVOLUCIONAIS NO RECONHECIMENTO DE CARACTERES EM PLACAS INFORMATIVAS JAPONESAS
Colloquium Exactarum
APLICAÇÃO DE REDES NEURAIS CONVOLUCIONAIS NO RECONHECIMENTO DE CARACTERES EM PLACAS INFORMATIVAS JAPONESAS
Autor Correspondente: Leandro Luiz Almeida | [email protected]
Palavras-chave: CNN, OCR, Hiragana, processamento digital de imagens, visão computacional
Resumos Cadastrados
Resumo Português:
Ao contrário da maioria dos países ocidentais, que possuem um alfabeto base derivado do Latim, o Japão possuidoisalfabetos silabáriosdenominadosde Hiragana e Katakana, e um alfabeto derivado do chinês, denominado deKanji. Por causada grande diferença na forma de escrita desses alfabetos orientais em relação aosalfabetos ocidentais, os algoritmos de reconhecimento óptico de caracteres (OCR) baseados em alfabetos ocidentais tendem a não detectar eficientemente os caracteres japoneses. Este trabalhocontribui com uma metodologia aplicando técnicas de processamento digital de imagens, como segmentação baseadaem intervalos de cores, detecção de bordas e técnicas de morfologia matemática, para detectar placas informativasde trânsito japonesas, corrigir a perspectiva e segmentar os caracteres contidos nela.Foi utilizada uma rede neural convolucional para realizar a classificação decaracteres Hiragana contidos nas placas segmentadas, com uma taxa de acerto de 94,37%.
Resumo Inglês:
Unlike most Western countries, which have a Latin-derived base alphabet, Japan has two syllabic alphabets called Hiragana and Katakana, and a Chinese alphabet, called Kanji. The vast differences in the writing of these Eastern alphabets to Western alphabets, Western alphabet-based OCR algorithms tend not to efficiently detect Japanese characters. This work contributes to a methodology applying digital image processing techniques, such as color range-based segmentation, edge detection and mathematical morphology techniques, to detect Japanese traffic informationalplates correctly the perspective and segment the characters contained in it. A convolutional neural network wasused to perform the classification of Hiragana characters contained in the segmented plates, withaccuracyof 94.37%.
