Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/23781
Title: | System based on compression techniques for the recognition of handwritten digits |
Other Titles: | Sistema baseado em técnicas de compressão para o reconhecimento de dígitos manuscritos |
Author: | Correia, João António Pereira |
Advisor: | Pinho, Armando José Formoso de |
Keywords: | Engenharia eletrónica e telecomunicações Compressão de dados (Ciência de computadores) Reconhecimento de padrão |
Defense Date: | 2017 |
Publisher: | Universidade de Aveiro |
Abstract: | O reconhecimento de dígitos manuscritos é uma habilidade humana
adquirida. Com pouco esforço, um humano pode reconhecer adequadamente
em milissegundos uma sequência de dígitos manuscritos. Com o
auxílio de um computador, esta tarefa de reconhecimento pode ser facilmente
automatizada, melhorando um número significativo de processos. A
separação do correio postal, a verificação de cheques bancários e operações
que têm como entrada de dados dígitos manuscritos estão incluídas num
amplo conjunto de aplicações que podem ser realizadas de forma mais eficaz e automatizada. Nos últimos anos, várias técnicas e métodos foram
propostos para automatizar o mecanismo de reconhecimento de dígitos
manuscritos. No entanto, para resolver esta desafiante questão de reconhecimento
de imagem são utilizadas técnicas complexas e computacionalmente
muito exigentes de machine learning, como é o caso do deep learning.
Nesta dissertação é introduzida uma nova solução para o problema do reconhecimento
de dígitos manuscritos, usando métricas de similaridade entre
imagens de dígitos. As métricas de similaridade são calculadas com base
na compressão de dados, nomeadamente pelo uso de Modelos de Contexto
Finito. The Recognition of Handwritten Digits is a human-acquired ability. With little e ort, a human can properly recognize, in milliseconds, a sequence of handwritten digits. With the help of a computer, the task of handwriting recognition can be easily automated, improving and making a signi cant number of processes faster. The postal mail sorting, bank check veri cation and handwritten digit data entry operations are in a wide group of applications that can be performed in a more e ective and automated way. In the recent past years, a number of techniques and methods have been proposed to automate the handwritten digit recognition mechanism. However, to solve this challenging question of image recognition, there are used complex and computationally demanding machine learning techniques, as it is the case of deep learning. In this dissertation is introduced a novel solution to the problem of handwritten digit recognition, using metrics of similarity between digit images. The metrics are computed based on data compression, namely by the use of Finite Context Models. |
Description: | Mestrado em Engenharia Eletrónica e Telecomunicações |
URI: | http://hdl.handle.net/10773/23781 |
Appears in Collections: | UA - Dissertações de mestrado DETI - Dissertações de mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Correia, João António Pereira.pdf | 3.06 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.