Project

General

Profile

Overview

Uma estratégia comumente utilizada na construção de classificadores consiste em se criar e avaliar diferentes modelos e/ou topologias e fazer a escolha daquele que apresente o melhor desempenho na classificação de uma base de teste. Contudo, criar um único classificador universal que apresente desempenho adequado para todo o espaço de características é uma meta praticamente utópica em determinadas aplicações. Frequentemente, a construção de um classificador ideal para uma determinada aplicação é quase impossível. Neste contexto, a necessidade de um treinamento baseado em várias iterações sobre centenas, ou milhares de padrões (exemplos), visando à construção de classificadores robustos, apresenta-se como um importante obstáculo que, com frequência, inviabiliza o reuso de várias abordagens disponíveis na literatura. Diante deste problema, o desafio está em propor alternativas que permitam a criação de classificadores com base em pouco treinamento, ou seja, que requeiram o mínimo de passagens, ou iterações, sobre número limitado de padrões disponíveis. Espera-se avaliar tais alternativas inicialmente no reconhecimento de dígitos manuscritos, permitindo assim uma comparação com os resultados de abordagens convencionais disponíveis na literatura. Além disto, pretende-se estender a avaliação ao reconhecimento de gestos da linguagem de sinais brasileira (LIBRAS) que figura como um bom exemplo de aplicação para a qual obter grandes bases de treinamento é realmente um problema.