Modelo supervisado para la clasificación de manuscritos de números arábigos utilizando reconocimiento de patrones Puno – 2018

Abstract

En el presente proyecto implementamos un modelo supervisado para la clasificación de manuscritos de números arábigos utilizando reconocimiento de patrones basados en redes neuronales artificiales para reconocer los números de cualquier imagen de entrada. Separamos nuestro proyecto en dos partes, la segmentación de una imagen en caracteres individuales, y luego clasificamos estas imágenes en sus respectivas etiquetas de caracteres. Nuestro enfoque se basa en el reconocimiento de dígitos, y aplica las técnicas al reconocimiento de dígitos (0-9) propio. En particular, utilizamos arquitecturas que involucran redes neuronales superficiales y profundas que se expande en los clasificadores entrenados a partir de imágenes de manuscritos de números contenidos en MNIST. La particularidad de la investigación es el uso de una MATRIZ DE ORO para convertir la matriz de entrada original de 28 x 28 en su matriz equivalente de 14 x 14, sin que esta pierda su esencia ni utilizar métodos complejos de normalización de los datos de entrada, obteniendo un resultado del 95.9% de clasificaciones correctas para las 60000 imágenes en la etapa de entrenamiento y 94.4% de clasificaciones correctas de las 10000 imágenes en la etapa de pruebas, superando de esta forma la hipótesis planteada en el presente trabajo. Para la validación del modelo utilizamos curvas ROC, las mismas que están por encima del 0.9 validándolo como un test muy bueno para las 10 clases propuestas.