Navegando por Assunto "Reconhecimento ótico de caracteres"

Agora exibindo 1 - 2 de 2

Análise da caligrafia na escola primária visando o melhor reconhecimento automático
(2026-02-11) Lucena, Ravi Costa de; Lins, Rafael Dueire; http://lattes.cnpq.br/7601016626256808
A escrita revolucionou a atividade humana, possibilitando a transmissão do conhecimento para gerações futuras. A caligrafia, do grego calos - belo e graphos - escrita, era até bem pouco tempo vista como extremamente relevante na educação. A rápida disseminação da computação na sociedade moderna fez com que a caligrafia fosse negligenciada nas escolas, tendo sido vista como ultrapassada, já que os computadores são onipresentes. Porém, a transcrição automática de textos manuscritos tornou-se extremamente relevante, uma vez que a avaliação manual de grandes massas de dados de redações, em concursos e vestibulares têm se tornado inviáveis. Assim sendo, a caligrafia voltou a ser relevante, pois possibilita uma boa transcrição automática de textos manuscritos. O presente trabalho visa analisar cópias de alunos da escola primária os orientando individualmente o que observar e corrigir de forma a possibilitar uma melhor transcrição automática do texto escrito.
Aplicação de reconhecimento de texto manuscrito para a digitalização de redações do ensino médio em português
(2025-08-07) Dias, Lucas Valentim; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/5941275228826678
A digitalização de redações manuscritas é uma etapa crucial para sistemas de correção automática, mas representa um desafio significativo devido à variabilidade caligráfica e às particularidades linguísticas. Este artigo aborda essa lacuna ao realizar uma análise comparativa do desempenho de seis modelos de Reconhecimento de Texto Manuscrito de aprendizado profundo (HTR-Flor, StackMix, OrigamiNet, TrOCR, HTR-VT, DTrOCR) e dois serviços comerciais (AWS Textract, GCP Vision). Os modelos foram avaliados em um novo conjunto de dados composto por 22.927 linhas de texto extraídas de 1.071 redações manuscritas de alunos do ensino médio em português. Os resultados, medidos por Taxa de Erro de Caractere (CER) e Palavra (WER), indicam que os modelos HTR-VT (CER 9,20%) e Stackmix (CER 11,72%) demonstraram maior robustez e eficácia neste domínio específico. Notavelmente, modelos baseados em Transformer como TrOCR e DTrOCR, que são estado da arte em benchmarks padronizados, apresentaram desempenho significativamente inferior (CER > 48%), evidenciando uma fraca generalização para a caligrafia variada encontrada nas redações. O estudo conclui que a especialização do modelo ao domínio e a robustez a diferentes estilos de caligrafia são mais cruciais para o desempenho prático do que a performance em datasets genéricos, fornecendo um panorama sobre o estado da arte e os desafios do HTR para o cenário educacional brasileiro.