Logo do repositório
  • Página Inicial(current)
  • Buscar
    Por Data de PublicaçãoPor AutorPor TítuloPor Assunto
  • Tutoriais
  • Documentos
  • Sobre o RI
  • Eventos
    Repositório Institucional da UFRN: 15 anos de conexão com o conhecimento
  • Padrão
  • Amarelo
  • Azul
  • Verde
  • English
  • Português do Brasil
Entrar

SIGAA

  1. Início
  2. Pesquisar por Autor

Navegando por Autor "Silva Filho, Darlan de Castro"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 1 de 1
  • Resultados por página
  • Opções de Ordenação
  • Nenhuma Miniatura disponível
    TCC
    Reconhecimento de caracteres utilizando redes neurais convolucionais para auxiliar nas correções do sistema multiprova
    (Universidade Federal do Rio Grande do Norte, 2022-07-22) Silva Filho, Darlan de Castro; Peixoto, Helton Maia; http://lattes.cnpq.br/8709900833456787; http://lattes.cnpq.br/7784696971048666; Santana Junior, Orivaldo Vieira de; http://lattes.cnpq.br/5050555219716698; Medeiros, Rex Antonio da Costa; http://lattes.cnpq.br/2840084735974670
    O software Multiprova foi muito utilizado durante os períodos de ensino remoto na Universidade Federal do Rio Grande do Norte (UFRN), com a volta presencial das aulas o processo de correção de provas precisou ser melhorado para facilitar a adaptação do sistema às aulas presenciais, uma dessas melhorias foi a correção automática de cartões respostas dos alunos. O reconhecimento ótico de caracteres é uma técnica recente muito utilizada para máquinas realizarem a leitura de textos escrito por humanos. O objetivo central do trabalho é desenvolver um processo de reconhecimento de caracteres manuscritos a fim de melhorar e facilitar a correção de provas no software Multiprova. Para essa finalidade foram utilizadas redes neurais convolucionais para realizar essa tarefa. Com a coleta de imagens feitas pelos próprios alunos da UFRN, foram analisados e comparados cenários diferentes com o incremento das configurações das redes com o intuito de gerar redes neurais com as melhores taxas de precisão. Com isso foram obtidos ótimos níveis de acurácia, permitindo alta confiabilidade no software e mais segurança e facilidade na correção das provas.
Repositório Institucional - UFRN Campus Universitário Lagoa NovaCEP 59078-970 Caixa postal 1524 Natal/RN - BrasilUniversidade Federal do Rio Grande do Norte© Copyright 2025. Todos os direitos reservados.
Contato+55 (84) 3342-2260 - R232Setor de Repositórios Digitaisrepositorio@bczm.ufrn.br
DSpaceIBICT
OasisBR
LAReferencia
Customizado pela CAT - BCZM