Divulgação - Defesa Nº 198
Aluna: Paloma Gabriela Santos Silva
Título: “Otimização do Processo de Segmentação de Assinatura Manuscrita através de uma Rede Neural Completamente Convolucional”.
Orientadora: Prof. Byron Leite Dantas Bezerra
Data-hora: 30/Agosto/2019 (16:00h)
Local: Escola Politécnica de Pernambuco – SALA I-4
Resumo:
“A assinatura manuscrita ainda é um dos métodos de autenticação biométrico mais utilizado em muitos países. Com isso, existe a necessidade de profissionais qualificados para autenticação de documentos e de validação das assinaturas. No entanto, apesar de parecer uma tarefa comum para seres humanos, a autenticação de assinaturas de documentos pode levar muito tempo, quando um grande número de assinaturas precisam ser analisadas. Devido à sua natureza intrínseca, as assinaturas podem ser usadas como um meio de validação para diversos tipos de documentos. A tarefa de autenticar assinaturas é usada para evitar fraudes, realizar a validação do signatário e validação de acessos. A assinatura pode ser encontrada em qualquer parte de um documento e podem conter planos de fundo complexos, com logotipos, outros textos manuscritos e diversos outros padrões. Portanto, trabalhar com verificação automatizada de assinaturas é uma tarefa desafiadora. Além disso, os sistemas de verificação de assinaturas precisam considerar uma resposta em tempo real. Nesse sentido, este trabalho propõe uma arquitetura otimizada de uma rede neural totalmente convolucional baseada na arquitetura U-Net para a segmentação de assinaturas manuscritas em documentos. Para realizar o treinamento do modelo neural e os experimentos, fizemos uso de um conjunto de dados, DSSigDataset, que contem diversos tipos de documentos e assinaturas. Além disso, usamos a técnica Data Augmentation para aumentar a diversidade do conjunto de dados para generalização da rede e evitar o problema de overfitting. Durante os experimentos foi realizado um benchmarking com um modelo baseado na arquitetura original da U-Net sem a otimização proposta nesse projeto. Os resultados experimentais mostram que nossa abordagem proposta acelera a tarefa de segmentação de assinaturas manuscritas, ao mesmo tempo, alcançando maior precisão e menor variância que o trabalho de referência.”
O Programa
