« (Deep) Reinforcement … « || Inicio || » XML: Aprendizaje Auto… »

Deep Learning en el reconocimiento de escritura manual

Última modificación: 2 de Mayo de 2018, y ha tenido 291 vistas

Etiquetas utilizadas: || || ||

Sesión del Seminario (I+A)A

Ponente: Hugo Rubio

Fecha: 4 Mayo 2018

Resumen: Actualmente, vivimos en un mundo rodeados de aplicaciones y sistemas basados en algoritmos de Aprendizaje Automático que muestran una gran capacidad para adaptarse a multitud de situaciones. En esta sesión hablaremos del problema de Reconocimiento de Texto Manuscrito, exponiendo cómo se ha abordado este problema diseñando e implementando una arquitectura basada en distintos tipos de Redes Neuronales Articifiales. 

El seminario comenzará con una pequeña introducción al problema y a los cambios de enfoque frente al Reconocimiento Óptico de Caracteres Tipográficos, el clásico OCR, para continuar con una descripción de los datos y redes neuronales utilizadas en la arquitectura, poniendo especial atención en las Connectionist Temporal Classification (CTC). Tras resaltar los fundamentos teóricos se presentará la arquitectura implementada en TensorFlow, mostrando las pruebas realizadas y sus correspondientes resultados. Finalizaremos con algunas conclusiones que se pueden derivar del trabajo realizado y las posibles mejoras que se podrían abordar.
 
Referencias:

« (Deep) Reinforcement … « || Inicio || » XML: Aprendizaje Auto… »