IA

Tutorial: Construindo um Modelo de Reconhecimento de Dígitos Manuscritos com TensorFlow

Community

• 8 min read
Tutorial: Construindo um Modelo de Reconhecimento de Dígitos Manuscritos com TensorFlow

Raimundo Neto Barros. Redes Neurais Convolucionais (CNNs), também conhecidas como ConvNets ou Convolutional Neural Networks, são um tipo de arquitetura de rede neural projetada especialmente para tarefas de processamento de imagens e reconhecimento de padrões. As CNNs têm sido uma parte essencial do avanço da inteligência artificial em campos como visão computacional, reconhecimento de imagem e processamento de vídeo.

Este resumo detalhado irá explorar os principais aspectos das CNNs.

Arquitetura de Camadas

As CNNs são compostas por camadas interconectadas, com três tipos principais de camadas: Camadas de Convolução, Camadas de Pooling (Agrupamento) e Camadas Fully Connected (Totalmente Conectadas).

Camadas de Convolução

  • As camadas de convolução são o componente fundamental das CNNs. Eles consistem em filtros ou grãos, que são matrizes de pesos pequenos que percorrem a imagem de entrada em pequenos passos, realizando operações de convolução para detectar características relevantes. Essas características incluem bordas, texturas, padrões e outras informações importantes.

Camadas de Pooling

  • As camadas de pooling (ou agrupamento) são utilizadas para reduzir a dimensionalidade dos dados, mantendo as características mais importantes. O pooling geralmente envolve uma seleção do valor máximo (Max Pooling) ou médio (Average Pooling) em uma região local da imagem convolucional.

Camadas Totalmente Conectadas

  • As camadas totalmente conectadas são semelhantes às camadas tradicionais de redes neurais artificiais. Eles são responsáveis ​​por tomar as características extraídas pelas camadas anteriores e utilizá-las para realizar a classificação ou a regressão de saída.

Funções de Ativação

  • As CNNs utilizam funções de ativação, como a função ReLU (Rectified Linear Unit), para introduzir não-linearidade nas camadas convolucionais e melhorar a capacidade de aprendizado da rede.

Camadas de Normalização

  • Camadas de normalização, como a Normalização em lote, são usadas para acelerar o treinamento e melhorar a estabilidade da rede.

Aprendizado de Características Hierárquicas

Uma das principais vantagens das CNNs é sua capacidade de aprender características hierarquicamente complexas. Camadas iniciais detectam características simples, como bordas, enquanto camadas mais profundas identificam características cada vez mais abstratas, como objetos inteiros.

Treinamento com Backpropagation

  • As CNNs são treinadas usando o algoritmo de retropropagação (backpropagation), ajustando os pesos das redes para minimizar uma função de perda. O aprendizado geralmente envolve grandes conjuntos de dados rotulados.

Transferência de aprendizagem

  • As CNNs pré-treinadas em grandes conjuntos de dados, como o ImageNet, podem ser adaptadas para tarefas específicas com menores conjuntos de dados através da técnica de transferência de aprendizagem. Isso permite a reutilização de recursos aprendidos anteriormente.

Aplicações

  • As CNNs têm uma ampla gama de aplicações, incluindo reconhecimento de imagem, classificação de objetos, segmentação de imagens, reconhecimento de texto em imagens, detecção de rostos, diagnóstico médico baseado em imagens, entre outros.

As Redes Neurais Convolucionais têm revolucionado a visão computacional e são essenciais para uma série de aplicações práticas, tornando possível a automação de tarefas anteriormente complexas em domínios que envolvem imagens e visão por computador. Elas continuam sendo uma área de pesquisa ativa, com avanços constantes e adaptações para diversos campos.

O reconhecimento de dígitos escritos à mão é uma tarefa fundamental em aprendizado de máquina e visão computacional. Neste tutorial, você aprenderá a criar um modelo de reconhecimento de dígitos manuscritos usando TensorFlow, uma das bibliotecas mais populares para aprendizado profundo e redes neurais. Este tutorial é direcionado a desenvolvedores e entusiastas que desejam explorar o mundo do reconhecimento de padrões por meio de redes neurais.

TensorFlow

TensorFlow é uma biblioteca de código aberto poderosa e popular para aprendizado de máquina e inteligência artificial. Desenvolvida pelo Google Brain, é uma ferramenta extremamente flexível que oferece uma ampla gama de funcionalidades para desenvolver e treinar modelos complexos de aprendizado profundo.

Vamos explorar detalhadamente as principais características e conceitos do TensorFlow:

Modelagem com Grafos Computacionais: TensorFlow representa as operações matemáticas em forma de grafos direcionados, onde nós representamos operações e as arestas representam os dados (tensores) que fluem entre essas operações. Isso permite uma otimização eficiente e paralelização das operações.

O TensorFlow é centrado no conceito de tensores, que são estruturas de dados multidimensionais. Os tensores são de várias dimensões (0D a ND) e podem ser a unidade básica para representar os dados de entrada, saída e as configurações dos modelos.

Flexibilidade de Construção de Modelos: O TensorFlow oferece dois estilos principais para construção de modelos: o modo imperativo (usando APIs como Keras) e o modo declarativo (usando uma API do TensorFlow). Isso permite a construção de modelos de forma intuitiva e flexível. Keras API: Integrada ao TensorFlow, a API Keras é uma interface de alto nível que facilita a criação, treinamento e avaliação de modelos. Keras é conhecida por sua simplicidade e eficiência.

Treinamento Distribuído: O TensorFlow suporta treinamento distribuído, permitindo que modelos sejam treinados simultaneamente em vários dispositivos, como GPUs e TPUs, melhorar a escalabilidade e a eficiência do treinamento.

Finalidades e aplicações práticas

Um Modelo de Reconhecimento de Dígitos Manuscritos com TensorFlow tem a finalidade de confidencialidade e classificação de dígitos escritos à mão em imagens ou documentos. Esse tipo de modelo tem várias aplicações práticas, incluindo:

Reconhecimento de Dígitos em Cheques e Documentos Financeiros: as instituições financeiras utilizam modelos de reconhecimento de dígitos para processar cheques e documentos que contêm números escritos à mão, agilizando o processo de verificação e eliminação de erros.

Automatização de Processos Empresariais: as empresas podem utilizar modelos de reconhecimento de dígitos para automatizar a leitura de formulários, faturas, cheques e outros documentos, economizando tempo e reduzindo erros de interpretação humana.

Sistemas de Pagamento Automático: em sistemas financeiros, o reconhecimento de dígitos é usado para automatizar a leitura de cheques, códigos de barras em boletos e outras formas de pagamento, agilizando o processamento.

Sistemas de Reconhecimento de Escrita Manual: pode ser usado como componente em sistemas de reconhecimento de escrita manual mais complexos, onde o reconhecimento de dígitos é a primeira etapa para a identificação de palavras ou frases escritas à mão.

Aplicativos Móveis: aplicativos móveis podem integrar modelos de reconhecimento de dígitos para facilitar a entrada de dados, como reconhecimento de números de telefone ou códigos de autenticação.

O desenvolvimento de aplicações educacionais: utilizando um Modelo de Reconhecimento de Dígitos Manuscritos com TensorFlow pode ser uma maneira eficaz de ajudar os alunos a aprenderem a escrever e considerar números de forma interativa e envolvente.

Pré-requisitos

Antes de começarmos, você precisará atender aos seguintes requisitos para execução dos códigos:

Conhecimento em Python: Este tutorial pressupõe que você tenha conhecimento básico na linguagem Python, incluindo manipulação de arrays da biblioteca NumPy.

Instalação do TensorFlow: Certifique-se de que o TensorFlow esteja instalado no seu ambiente Python. Você pode instalá-lo usando o comando pip:


pip install tensorflow

Agora, vamos criar um modelo de reconhecimento de dígitos com o passo a passo a seguir.

Passo 1: Conjunto de Dados MNIST

O conjunto de dados MNIST é um conjunto clássico para tarefas de reconhecimento de dígitos manuscritos. Ele consiste em 60.000 imagens de treinamento e 10.000 imagens de teste, cada uma representando um único dígito de 0 a 9. Começaremos carregando esse conjunto de dados utilizando o seguinte código.


import tensorflow as tf

from tensorflow.keras.datasets import mnist


# Carregando o conjunto de dados MNIST

(x_train, y_train), (x_test, y_test) = mnist.load_data()





Passo 2: Pré-processamento dos Dados

O pré-processamento dos dados é uma etapa extremamente importante no treinamento de redes neurais, pois essa etapa interfere diretamente nos resultados dos algoritmos. Primeiro, normalizamos as imagens para que os valores dos pixels estejam no intervalo de 0 a 1.

# Normalização dos valores dos pixels para o intervalo [0, 1] x_train, x_test = x_train / 255.0, x_test / 255.0


Passo 3: Construindo o Modelo

Agora, construiremos o modelo de rede neural. Neste exemplo, usaremos uma rede neural convolucional (CNN) simples, conhecida por seu desempenho em tarefas de visão computacional.

model = tf.keras.models.Sequential([

    tf.keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)),

    tf.keras.layers.MaxPooling2D((2, 2)),

    tf.keras.layers.Flatten(),

    tf.keras.layers.Dense(128, activation='relu'),

    tf.keras.layers.Dropout(0.2),

    tf.keras.layers.Dense(10)

])


Passo 4: Compilando o Modelo

Após construir o modelo, é hora de compila-lo. Definiremos a função de perda, o otimizador e as métricas para monitorar durante o treinamento do algoritmo.

# Compilando o modelo

model.compile(optimizer='adam',

              loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),

              metrics=['accuracy'])




Passo 5: Treinamento do Modelo

Agora, treinaremos o modelo usando os dados de treinamento da base MNIST.

# Treinando o modelo

model.fit(x_train, y_train, epochs=10, validation_data=(x_test, y_test))





Passo 6: Avaliação do Modelo

Após o treinamento, avaliaremos o desempenho do modelo utilizando os dados de teste. Vale ressaltar, que os dados de teste são diferentes dos dados de treino.

# Avaliando o modelo nos dados de teste

test_loss, test_accuracy = model.evaluate(x_test, y_test, verbose=2)

print(f'Acurácia nos dados de teste: {test_accuracy*100:.2f}%')



Resultados

Após seguir os passos anteriores para rodar sua rede neural, você deve obter bons resultados se tratando do desempenho do algoritmo na classificação das imagens. Caso deseje ver melhor a classificação dos dados você pode plotar o resultado utilizando a biblioteca do Python chamada Matplotlib. Para plotar os resultados siga os passos a seguir.

Passo 1: importe a biblioteca

# Importando a biblioteca

import matplotlib.pyplot as plt

Passo 2: Escolha uma das imagens aleatoriamente

# Escolhendo um exemplo aleatório do conjunto de teste

index = np.random.randint(0, len(x_test))

imagem_teste = x_test[index]

classe_real = y_test[index]


Passo 3: Realize a previsão do modelo

# Fazendo uma previsão usando o modelo

previsao = model.predict(np.expand_dims(imagem_teste, axis=0))[0]


Passo 4: Obtenha a classe de previsão

# Obtendo a classe prevista (a classe com maior probabilidade)

classe_prevista = np.argmax(previsao)


Passo 5: Plotando os resultados

Após plotado o resultado, será mostrado uma imagem aleatória, com uma das imagens da base, com uma legenda na imagem: Classe Real e Classe Prevista, na imagem você pode verificar o acerto do algoritmo.

# Plotando a imagem de teste

plt.figure(figsize=(4, 4))

plt.imshow(imagem_teste, cmap='gray')

plt.title(f'Classe Real: {classe_real}\nClasse Prevista: {classe_prevista}')

plt.axis('off')

plt.show()


Conclusão

Neste tutorial, você aprendeu como criar um modelo de reconhecimento de dígitos escritos à mão usando TensorFlow. Começamos carregando o conjunto de dados MNIST, realizamos o pré-processamento das imagens, construímos um modelo de rede neural convolucional (CNN), o compilamos, treinamos e avaliamos seu desempenho e plotamos um resultado aleatório da classificação dos dados. O modelo atingiu uma alta precisão na classificação de dígitos manuscritos.

Agora você possui as habilidades necessárias para começar a explorar tarefas mais complexas de aprendizado profundo e visão computacional. Lembre-se de que o aprendizado de máquina é uma disciplina vasta e em constante evolução, com aplicações emocionantes em diversas áreas.

Bibliografia

JURASZEK, Guilherme Defreitas et al. Reconhecimento de produtos por imagem utilizando palavras visuais e redes neurais convolucionais. 2014.

TensorFlow. https://www.tensorflow.org/

Conjunto de Dados MNIST. http://yann.lecun.com/exdb/mnist/

TensorFlow Tutorials. https://www.tensorflow.org/tutorials

💡
As opiniões e comentários expressos neste artigo são de propriedade exclusiva de seu autor e não representam necessariamente o ponto de vista da Revelo.

A Revelo Content Network acolhe todas as raças, etnias, nacionalidades, credos, gêneros, orientações, pontos de vista e ideologias, desde que promovam diversidade, equidade, inclusão e crescimento na carreira dos profissionais de tecnologia.