Renato Augusto Tavares
English

Processamento de imagens e visão computacional

Faço mestrado em Processamento Digital de Imagens no Instituto de Informática da UFG. O trabalho público desta linha é um estudo sobre o que fazer com uma imagem antes de entregá-la a um OCR, e a resposta foi: neste caso, nada.

A pergunta

É prática comum tratar a imagem antes do reconhecimento de caracteres: converter para tons de cinza, equalizar o contraste, suavizar o ruído. A justificativa é razoável, porque fotos de placas têm iluminação ruim, baixa resolução e distorção de perspectiva. A pergunta do estudo é se essa etapa ainda ajuda quando o OCR é um modelo moderno de aprendizado profundo, que já aprendeu a lidar com imagens imperfeitas.

O experimento

O estudo começa com uma revisão sistemática da literatura na IEEE Digital Library, que partiu de 190 artigos e analisou 146 depois dos critérios de exclusão e da remoção de duplicatas. Em seguida, avalia quatro condições sobre um conjunto de imagens de placas veiculares brasileiras, usando o EasyOCR: nenhuma etapa de pré-processamento, conversão para escala de cinza, equalização adaptativa de histograma (CLAHE) aplicada em RGB e filtro bilateral. Cada técnica é medida isoladamente e em combinação, com acurácia, precisão, recall, F1, curva ROC, AUC, análise de variância e tempo de execução.

O notebook, as imagens e os resultados brutos de cada condição estão no repositório, de modo que as tabelas do artigo podem ser refeitas.

Resultados

Evidência computacional

Nenhuma das técnicas de pré-processamento superou a linha de base. Sem pré-processamento, a acurácia foi de 71,7%; com escala de cinza, CLAHE ou filtro bilateral, caiu para 70,75% nos três casos.

arXiv:2410.13622, conclusão; conjunto de placas brasileiras, EasyOCR

Evidência computacional

O pré-processamento aumentou o tempo médio de processamento em relação aos 7,26 segundos da linha de base.

Em aberto

Se a conclusão se mantém em outros conjuntos de dados, com outras condições de captura e outros motores de OCR. O estudo usa um conjunto e um motor.

É um resultado negativo, e por isso útil: uma etapa que custa tempo e não melhora o reconhecimento pode ser retirada do pipeline. A leitura que o artigo propõe é que o modelo de OCR já é robusto às imperfeições que essas técnicas tentam corrigir, e que em alguns casos elas introduzem artefatos que atrapalham.

Adiante

Minha formação anterior em aprendizado de máquina vem da especialização em Banco de Dados com ênfase em Big Data, também na UFG, concluída com um trabalho sobre previsão de vendas a partir de séries históricas.

Os temas de aplicação que me interessam em visão computacional, como agricultura de precisão, sensoriamento remoto, imagens médicas e sistemas autônomos, ainda não têm resultados publicados meus. Quando tiverem, aparecem aqui com a mesma classificação usada no restante da seção.