Segmentação de sentenças manuscritas através de redes neurais artificiais

Abstract

O reconhecimento automático de textos manuscritos vem a cada dia ganhando importância tanto no meio científico quanto no comercial. Como exemplos de aplicações, têm-se sistemas bancários onde os campos de valor dos cheques são validados, aplicativos presentes nos correios para leitura de endereço e código postal, e sistemas de indexação de documentos históricos. A segmentação automática do texto em palavras ou caracteres é um dos primeiros passos realizados pelos sistemas de reconhecimento dos textos manuscritos. Portanto, é essencial que seja alcançado um bom desempenho de segmentação para que as etapas posteriores produzam boas taxas de reconhecimento do texto manuscrito. O presente trabalho trata do problema de segmentação de sentenças manuscritas em palavras através de duas abordagens: (i) método baseado na métrica de distância Convex Hull com modificações que objetivam melhorar o desempenho de segmentação; (ii) um novo método baseado em Redes Neurais Artificiais que visa superar problemas existentes em outras técnicas de segmentação, tais como: o uso de heurísticas e limitação de vocabulário. O desempenho dos métodos de segmentação foi avaliado utilizando-se de uma base de dados pública de texto manuscrito. Os resultados experimentais mostram que houve melhora de desempenho das abordagens quando comparadas à abordagem tradicional baseada em distância Convex Hull