Darlan de Castro Silva Filho, Rex A. C. Medeiros, Helton Maia
{"title":"用于自动校正多校样系统的手写字符分类","authors":"Darlan de Castro Silva Filho, Rex A. C. Medeiros, Helton Maia","doi":"10.5753/erigo.2022.227697","DOIUrl":null,"url":null,"abstract":"O Multiprova é um sistema desenvolvido por professores da Escola de Ciências e Tecnologia da Universidade Federal do Rio Grande do Norte (ECT/UFRN), que permite a criação de questões e avaliações. O problema a ser solucionado consiste no desenvolvimento de uma aplicação para auxiliar o Multiprova, trazendo a capacidade de reconhecer os caracteres manuscritos provenientes do cartão resposta de cada aluno, e assim, automaticamente, apenas com ajuda de uma câmera, realizar a correção da prova. Para isso, foram utilizadas, técnicas de visão computacional e redes neurais convolucionais. Uma série de configurações para diferentes arquiteturas foram testadas, até que alcançasse uma alta acurácia e confiabilidade na classificação dos caracteres.","PeriodicalId":338913,"journal":{"name":"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)","volume":"12 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-10-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Classificação de Caracteres Manuscritos para Correção Automática do Sistema Multiprova\",\"authors\":\"Darlan de Castro Silva Filho, Rex A. C. Medeiros, Helton Maia\",\"doi\":\"10.5753/erigo.2022.227697\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"O Multiprova é um sistema desenvolvido por professores da Escola de Ciências e Tecnologia da Universidade Federal do Rio Grande do Norte (ECT/UFRN), que permite a criação de questões e avaliações. O problema a ser solucionado consiste no desenvolvimento de uma aplicação para auxiliar o Multiprova, trazendo a capacidade de reconhecer os caracteres manuscritos provenientes do cartão resposta de cada aluno, e assim, automaticamente, apenas com ajuda de uma câmera, realizar a correção da prova. Para isso, foram utilizadas, técnicas de visão computacional e redes neurais convolucionais. Uma série de configurações para diferentes arquiteturas foram testadas, até que alcançasse uma alta acurácia e confiabilidade na classificação dos caracteres.\",\"PeriodicalId\":338913,\"journal\":{\"name\":\"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)\",\"volume\":\"12 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-10-25\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.5753/erigo.2022.227697\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais da X Escola Regional de Informática de Goiás (ERI-GO 2022)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/erigo.2022.227697","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Classificação de Caracteres Manuscritos para Correção Automática do Sistema Multiprova
O Multiprova é um sistema desenvolvido por professores da Escola de Ciências e Tecnologia da Universidade Federal do Rio Grande do Norte (ECT/UFRN), que permite a criação de questões e avaliações. O problema a ser solucionado consiste no desenvolvimento de uma aplicação para auxiliar o Multiprova, trazendo a capacidade de reconhecer os caracteres manuscritos provenientes do cartão resposta de cada aluno, e assim, automaticamente, apenas com ajuda de uma câmera, realizar a correção da prova. Para isso, foram utilizadas, técnicas de visão computacional e redes neurais convolucionais. Uma série de configurações para diferentes arquiteturas foram testadas, até que alcançasse uma alta acurácia e confiabilidade na classificação dos caracteres.