Detecção de letras utilizando CNN, baseado neste dataset. Para mais informações, acesse a apresentação do projeto.
- 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.
- 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)
-
Instalar as dependências necessárias do Python para cada arquivo.
-
Extrair o dataset
-
Verificar se os caminhos nos arquivos correspondem ao nome:
-
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.
-
Ana Cláudia Akemi Matsuki de Faria
-
Danielle Bezerra Moreira