Detecção de Caligrafia

Descrição

Detecção de letras utilizando CNN, baseado neste dataset. Para mais informações, acesse a apresentação do projeto.

Arquivos

• modificado.py | modificado.ipynb é referente ao treinamento do modelo.
• loading_model.py | loading_model.ipynb é referente à utlização do modelo para classificar uma imagem em formato PNG.

Modelos:

• padrao.h5 é referente ao modelo original treinado com 200 imagens em cada época com 18 épocas (99,33% de acurácia)
• modificado1.h5 é referente ao modelo modificado, utilizando 2000 imagens por época e um total de 30 épocas (99,24% de acurácia)
• modificado2.h5 é referente ao modelo modificado, utilizando 1200 imagens por época e um total de 30 épocas (99,39% de acurácia)

Executando

• Instalar as dependências necessárias do Python para cada arquivo.

• Extrair o dataset

• Verificar se os caminhos nos arquivos correspondem ao nome:

  • modificado.py | modificado.ipynb:

    • 46 - local onde se encontra o dataset para treino (segunda célula).
    • 170 - local a ser salvo o modelo gerado (última célula).

  • loading_model.py | loading_model.ipynb:

    • 37 - Imagem PNG a ser classificada (segunda célula), este deve ser modificado para classificar outras imagens.
    • 52 - CSV da imagem em PNG formatado para o modelo (quarta célula).
    • 85 - Modelo em si (quinta célula).
    • 96 - Dataset (sexta célula).
    • 109 - Entrada do arquivo csv gerado anteriormente (sétima célula).

• Para uma imagem PNG, utilizar o software Paint com uma resolução de 400 px x 400 px e a maior espessura possível do pincel para desenhar uma letra de fôrma maiúscula.

Autores

• Ana Cláudia Akemi Matsuki de Faria

• Danielle Bezerra Moreira

• Derek Freire Quaresma

• Henrique Sartori Siqueira

• Rafael Silva Barbon