Sistema para auxiliar pessoas com deficiência visual no reconhecimento de cédulas de dinheiro em Real com a técnica de Redes Neurais Artificiais
Resumo
A deficiência visual afeta um grande número de pessoas no Brasil. Segundo o Censo Demográfico realizado em 2010, pelo Instituto Brasileiro de Geografia e Estatística (IBGE), cerca de 3,4% da população brasileira possui deficiência visual, ou seja, cerca de 443 mil pessoas. Dentre os diversos problemas enfrentados por elas, destaca-se o uso do dinheiro, para o qual dependem do auxílio de pessoas conhecidas para realizar a identificação das cédulas. Neste sentido, este trabalho, ainda em andamento, busca desenvolver um sistema que as auxilie no reconhecimento de cédulas de dinheiro em Real, através de um aplicativo para smartphones, utilizando-se de técnicas de Redes Neurais Artificiais.
Palavras-chave:
Reconhecimento de Cédulas, Redes Neurais Artificiais, Computação Aplicada
Referências
ARAÚJO, C. A. Bibliometria: evolução histórica e questões atuais. Em Questão, Porto Alegre, v. 12, n. 1, p. 11-32, 2006.
DOUSH, I. A.; AL-BTOUSH, S. Currency recognition using a smartphone: Comparison between color SIFT and gray scale SIFT algorithms. Journal of King Saud University – Computer and Information Sciences, Vol. 29, p. 494-492. 2017.
GOOGLE. Machine Learning Glossary, 2019. Disponível em: < https://developers.google.com/machine-learning/glossary >. Acesso em: outubro 2019.
HAYKIN, Simon. Neural networks: a comprehensive foundation. Upper Saddle River: Prentice Hall, v. 2, 1999. 842 p.
IBGE - Instituto Brasileiro de Geografia e Estatística. Nota técnica 01/2018. Releitura dos dados de pessoas com deficiência no Censo Demográfico 2010 à luz das recomendações do Grupo de Washington. 2018. Disponível em: < ftp://ftp.ibge.gov.br/Censos/Censo_Demografico_2010/metodologia/ notas_tecnicas/nota_tecnica_2018_01_censo2010.pdf >. Acessado em: outubro de 2019.
KORBUT, Daniil. Machine Learning Algorithms: Which One to Choose for Your Problem. 2017. Disponível em: < https://statsbot.co/blog/machine-learning-algorithms/ >. Acessado em: outubro de 2019.
MOMBACH, J. G.; WELFER, D. Proposta de um aplicativo móvel para percepção de imagens estáticas por alunos com deficiência visual. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE). Vol. 24. No. 1. 2013.
PILA, Adriano Donizete. Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets. 2001. Tese de Doutorado. Universidade de São Paulo.
REZENDE, Solange Oliveira. Sistemas Inteligentes – Fundamentos e Aplicações. São Paulo: Manole, 2003.
SARFRAZ, Muhammad. An intelligent paper currency recognition system. Procedia Computer Science. Vol. 65. 2015. p. 538-545.
SINHA, Rajat Kumar; PANDEY, Ruchi; PATTNAIK, Rohan. Deep learning for computer vision tasks: A review, 2018.
DOUSH, I. A.; AL-BTOUSH, S. Currency recognition using a smartphone: Comparison between color SIFT and gray scale SIFT algorithms. Journal of King Saud University – Computer and Information Sciences, Vol. 29, p. 494-492. 2017.
GOOGLE. Machine Learning Glossary, 2019. Disponível em: < https://developers.google.com/machine-learning/glossary >. Acesso em: outubro 2019.
HAYKIN, Simon. Neural networks: a comprehensive foundation. Upper Saddle River: Prentice Hall, v. 2, 1999. 842 p.
IBGE - Instituto Brasileiro de Geografia e Estatística. Nota técnica 01/2018. Releitura dos dados de pessoas com deficiência no Censo Demográfico 2010 à luz das recomendações do Grupo de Washington. 2018. Disponível em: < ftp://ftp.ibge.gov.br/Censos/Censo_Demografico_2010/metodologia/ notas_tecnicas/nota_tecnica_2018_01_censo2010.pdf >. Acessado em: outubro de 2019.
KORBUT, Daniil. Machine Learning Algorithms: Which One to Choose for Your Problem. 2017. Disponível em: < https://statsbot.co/blog/machine-learning-algorithms/ >. Acessado em: outubro de 2019.
MOMBACH, J. G.; WELFER, D. Proposta de um aplicativo móvel para percepção de imagens estáticas por alunos com deficiência visual. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE). Vol. 24. No. 1. 2013.
PILA, Adriano Donizete. Seleção de atributos relevantes para aprendizado de máquina utilizando a abordagem de Rough Sets. 2001. Tese de Doutorado. Universidade de São Paulo.
REZENDE, Solange Oliveira. Sistemas Inteligentes – Fundamentos e Aplicações. São Paulo: Manole, 2003.
SARFRAZ, Muhammad. An intelligent paper currency recognition system. Procedia Computer Science. Vol. 65. 2015. p. 538-545.
SINHA, Rajat Kumar; PANDEY, Ruchi; PATTNAIK, Rohan. Deep learning for computer vision tasks: A review, 2018.
Publicado
04/11/2020
Como Citar
SAUSEN, Fabrício Samuel; FROZZA, Rejane.
Sistema para auxiliar pessoas com deficiência visual no reconhecimento de cédulas de dinheiro em Real com a técnica de Redes Neurais Artificiais. In: ESCOLA REGIONAL DE COMPUTAÇÃO DO RIO GRANDE DO SUL (ERCOMP-RS), 1. , 2020, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 62-67.
DOI: https://doi.org/10.5753/ercomprs.2020.14297.
