💻 computer science

DeepNeutroBiLSTM: A Hybrid Neutrosophic and CNN-BiLSTM Framework with Sobel-Based Indeterminacy for Arabic Handwritten Character Recognition

Este artigo propõe o DeepNeutroBiLSTM, um novo framework híbrido que integra a modelagem de incerteza neutrosófica com indeterminação baseada em Sobel, CNNs e BiLSTMs para alcançar precisão e robustez de estado da arte no reconhecimento de caracteres árabes manuscritos nos conjuntos de dados AHCD e HIJJA.

Autores originais: Othmane Farhaoui, Mohamed Rida Fethi, Imad Zeroual, Ahmad El Allaoui

Publicado 2026-06-26

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Othmane Farhaoui, Mohamed Rida Fethi, Imad Zeroual, Ahmad El Allaoui

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar um computador a ler letras árabes manuscritas. Este é um trabalho difícil porque o árabe é escrito em um estilo cursivo e fluido, e as pessoas escrevem de formas muito diferentes umas das das outras. Algumas letras parecem quase idênticas, e às vezes a tinta borra ou o scanner deixa a imagem embaçada. Para um computador, uma letra borrada ou bagunçada é como um quebra-cabeça com peças faltando.

Este artigo apresenta um novo programa de computador chamado DeepNeutroBiLSTM para resolver este quebra-cabeça. Veja como ele funciona, dividido em conceitos simples:

1. O Problema: "Tudo Parece Igual"

A maioria dos programas de computador que leem caligrafia trata cada ponto individual de tinta na página como igualmente importante. Eles assumem que a imagem é perfeita. Mas, na realidade, a caligrafia é bagunçada.

A Analogia: Imagine tentar ler uma nota manuscrita onde alguém derramou café sobre ela. Um computador padrão tenta ler a mancha de café como se fosse parte da letra. Ele fica confuso porque não sabe o que é uma letra real e o que é apenas uma mancha de sujeira.

2. A Solução: Os "Óculos de Três Camadas" (Representação Neutrosófica)

Os autores criaram uma maneira especial para o computador olhar para a imagem, inspirada em uma ideia matemática chamada Neutrosofia. Em vez de ver apenas "Preto" (a letra) ou "Branco" (o fundo), o computador coloca um par de "Óculos de Três Camadas" que divide cada parte da imagem em três categorias:

Verdade: "Esta parte é definitivamente parte da letra."
Falsidade: "Esta parte é definitivamente fundo/ruído."
Indeterminação: "Não tenho certeza. Isso parece uma mancha, um borrão ou um traço estranho. Preciso ter cuidado aqui."

O Toque Criativo: Em sistemas antigos, o computador tinha que adivinhar o que era "incerto" usando uma regra fixa (como uma fórmula pré-definida). Neste novo sistema, o computador aprende o que é incerto. É como dar ao computador um aluno que aprende com a experiência: "Ah, vejo que este tipo específico de borrão geralmente acontece com esta letra, então vou marcá-lo como 'incerto' da próxima vez."

3. O Detetive "Sobel"

Para ajudar o computador a encontrar essas áreas incertas, eles usaram uma ferramenta chamada Operador Sobel.

A Analogia: Pense no operador Sobel como um detetive com uma lupa que olha apenas para as bordas. Ele destaca as linhas nítidas onde uma letra começa e termina. Como as letras árabes são definidas por seus traços e curvas, essa ferramenta ajuda o computador a distinguir entre uma borda de letra real e um borrão de tinta aleatório. Ela diz ao computador: "Preste atenção extra a estas fronteiras porque é onde a confusão geralmente acontece."

4. O Trabalho em Equipe: O "Arquiteto" e o "Contador de Histórias"

O sistema combina dois tipos poderosos de inteligência artificial para realizar o trabalho pesado:

O Arquiteto (CNN): Esta parte olha para a imagem e identifica formas, linhas e curvas. Ela constrói um mapa mental do que a letra parece ser.
O Contador de Histórias (BiLSTM): O árabe é escrito em um fluxo. A forma de uma letra muitas vezes depende das letras antes e depois dela. O Contador de Histórias observa a sequência de formas e entende o contexto. Ele sabe: "Se eu vejo esta forma depois daquela forma, deve ser esta letra específica, mesmo que elas pareçam semelhantes."

Ao combinar os "Óculos de Três Camadas" (para lidar com a bagunça), o "Detetive" (para encontrar as bordas), o "Arquiteto" (para ver as formas) e o "Contador de Histórias" (para entender o fluxo), o sistema torna-se muito inteligente na leitura de caligrafia bagunçada.

5. Os Resultados: Quão Bem Funcionou?

Os pesquisadores testaram seu novo sistema em duas coleções famosas de letras árabes manuscritas (chamadas AHCD e HIJJA).

No Teste "Mais Fácil" (AHCD): O novo sistema obteve 98,39% de acerto. Este é um grande avanço em relação aos métodos antigos, que tinham dificuldades com as partes bagunçadas da imagem.
No Teste "Mais Difícil" (HIJJA): Este teste tinha muito mais variação nos estilos de caligrafia. O novo sistema ainda conseguiu 92,92% de acerto, superando todos os outros modelos com os quais foram comparados.

A Conclusão

O artigo afirma que, ao ensinar o computador a reconhecer e lidar explicitamente com a "incerteza" (as partes borradas e bagunçadas da caligrafia) em vez de ignorá-las, ele pode ler a caligrafia árabe com muito mais precisão. É como ensinar um leitor não apenas a ler as palavras, mas também a entender quando a tinta está borrada e a usar o contexto para deduzir qual deveria ser a palavra.

O que o artigo NÃO afirma:

Não afirma que isso funcione para ler frases ou parágrafos inteiros ainda (ele foca em caracteres individuais).
Não afirma que esteja pronto para diagnósticos médicos ou outras aplicações específicas do mundo real ainda; é uma prova de conceito para reconhecimento de caracteres.
Não afirma que seja mais rápido do que todos os outros métodos (na verdade, leva um pouco mais de tempo para computar porque realiza uma análise mais complexa).

Resumo Técnico: DeepNeutroBiLSTM para Reconhecimento de Caracteres Manuscritos Árabes

Definição do Problema
O Reconhecimento de Caracteres Manuscritos Árabes (AHCR) continua sendo um desafio significativo devido à natureza cursiva da escrita, à alta variabilidade nos estilos de escrita, à presença de diacríticos e às semelhanças estruturais entre caracteres. Além disso, os sistemas de reconhecimento frequentemente lutam contra o ruído introduzido por digitalização, difusão de tinta e degradação de imagem. As abordagens tradicionais de aprendizagem profunda, como Redes Neurais Convolucionais (CNNs) e Redes Neurais Recorrentes (RNNs), tipicamente assumem que todos os pixels de entrada são igualmente confiáveis. Essa suposição determinística falha ao não considerar a incerteza em regiões ambíguas, levando a uma redução na robustez ao lidar com caligrafia degradada ou variável. Embora a teoria dos conjuntos neutrosóficos ofereça um arcabouço matemático para modelar a incerteza através de componentes de Verdade, Indeterminação e Falsidade, as aplicações existentes neste domínio dependem de regras fixas projetadas manualmente (ex: heurísticas de entropia ou gradiente) para calcular a indeterminação. Esses métodos estáticos carecem da flexibilidade para aprender representações de incerteza diretamente dos dados e não podem ser otimizados conjuntamente com o objetivo de reconhecimento.

Metodologia
O artigo propõe o DeepNeutroBiLSTM, um framework híbrido de aprendizagem profunda que integra a modelagem de incerteza neutrosófica com uma arquitetura CNN-BiLSTM. O framework opera através de cinco estágios primários: Pré-processamento, Representação Neutrosófica, Extração de Características, Classificação e Pós-processamento.

Representação Neutrosófica Aprendível (LNL): A inovação central é a Camada Neutrosófica Aprendível, que transforma uma imagem de tons de cinza normalizada $X$ em um triplete neutrosófico $[T, I, F]$ (Verdade, Indeterminação, Falsidade).
- Verdade ( $T$ ): Derivada diretamente da imagem de entrada ( $T = X$ ).
- Indeterminação ( $I$ ): Em vez de usar heurísticas fixas, o artigo explora duas abordagens. A contribuição principal é um componente de Indeterminação Aprendível computado via um mapeamento convolucional treinável seguido de uma ativação sigmoide: $I = \sigma(W_I * X + b_I)$ . Isso permite que a rede aprenda onde a incerteza existe diretamente a partir dos dados.
- Falsidade ( $F$ ): Calculada como $F = \text{clip}(1 - T - I, 0, 1)$ .
- Indeterminação Baseada em Sobel: Para avaliação comparativa, o artigo também implementa uma representação de indeterminação fixa usando o operador Sobel para capturar gradientes de borda, que são críticos para distinguir caracteres árabes visualmente semelhantes.
Arquitetura Híbrida:
- Backbone CNN: A representação neutrosófica é alimentada em uma CNN hierárquica (três blocos convolucionais com profundidade de canal crescente: 64, 128, 256) para extrair padrões de traços espaciais e características estruturais.
- Modelagem Sequencial BiLSTM: Os mapas de características espaciais são remodelados em sequências e processados por uma rede de Long Short-Term Memory Bidirecional (BiLSTM). Isso captura dependências contextuais tanto nas direções direta quanto reversa, auxiliando na discriminação de caracteres com formas semelhantes com base em seu contexto circundante.
- Classificação: A saída é passada através de camadas totalmente conectadas e um classificador Softmax.
Estratégia de Treinamento: O modelo é treinado de ponta a ponta usando perda de Entropia Cruzada Categórica e o otimizador Adam. O framework foi avaliado em dois conjuntos de dados públicos: AHCD (28 caracteres) e HIJJA (29 caracteres), com aumento de dados (rotação, translação, zoom, cisalhamento) aplicado para melhorar a generalização.

Principais Contribuições

Camada Neutrosófica Aprendível (LNL): O artigo introduz um mecanismo para aprender o componente de indeterminação diretamente das imagens usando filtros convolucionais treináveis, afastando-se de regras de incerteza estáticas e manuais.
Integração de Indeterminação Baseada em Sobel: O estudo demonstra que a integração da informação de gradiente baseada em Sobel na representação neutrosófica aumenta significativamente a capacidade do modelo de distinguir limites de traços em regiões ambíguas.
Framework Híbrido Unificado: O trabalho valida uma arquitetura unificada que otimiza conjuntamente a modelagem de incerteza (Neutrosófica), a extração de características espaciais (CNN) e o aprendizado de contexto sequencial (BiLSTM) para AHCR.
Estudo de Ablação Abrangente: Os autores comparam sistematicamente CNNs de linha de base, CNN-BiLSTMs, modelos neutrosóficos fixos e os modelos híbridos propostos para isolar o impacto da modelagem de incerteza e do aprendizado sequencial.

Resultos
O framework foi avaliado nos conjuntos de dados AHCD e HIJJA utilizando Acurácia, F1-score, AUC, Taxa de Acurácia de Caractere (CAR) e Erro de Calibração Esperado (ECE).

Conjunto de Dados AHCD: O proposto DeepNeutroBiLSTM (Sobel) alcançou o desempenho mais alto com 98,39% de acurácia, um F1-score de 0,9821 e um AUC de 0,9997. Isso representa uma melhoria de +1,96% sobre a CNN de linha de base e uma redução de ~50% no erro de calibração em comparação com a linha de base.
Conjunto de Dados HIJJA: Dada a maior variabilidade e ambiguidade estrutural deste conjunto de dados, o modelo proposto alcançou 92,92% de acurácia e um F1-score de 0,9322. Isso representa uma melhoria significativa de aproximadamente 5,0% sobre a CNN de linha de base (87,96%).
Análise Comparativa: Os resultados indicam que, embora a BiLSTM sozinha tenha oferecido ganhos mínimos no conjunto de dados estruturado AHCD, a combinação da modelagem de incerteza neutrosófica e do aprendizado sequencial proporcionou melhorias consistentes em ambos os conjuntos de dados. A representação de indeterminação baseada em Sobel superou tanto as abordagens de indeterminação baseadas em entropia quanto as puramente aprendíveis na configuração híbrida final.
Calibração: O modelo proposto demonstrou distribuições de probabilidade bem calibradas, com baixos valores de Erro de Calibração Esperado (ECE) (0,0119 para AHCD e 0,0456 para HIJJA).

Significância e Alegações
O artigo alega que o framework DeepNeutroBiLSTM oferece uma solução superior para o reconhecimento de caracteres manuscritos árabes ao abordar explicitamente a incerteza inerente aos dados visuais. Ao mudar de definições manuais e fixas de indeterminação para uma abordagem aprendível e orientada por dados, o modelo pode se adaptar a variações específicas nos estilos de escrita e níveis de ruído. Os autores afirmam que a integração da indeterminação baseada em Sobel é particularmente eficaz porque enfatiza os limites dos traços e as mudanças de gradiente local, que são críticos para diferenciar caracteres árabes visualmente semelhantes. O estudo conclui que esta abordagem híbrida lida efetivamente com a variabilidade da caligrafia e o ruído da imagem, superando as linhas de base de estado da arte de CNN e CNN-BiLSTM. Os autores observam que trabalhos futuros focarão na extensão deste framework para o reconhecimento de palavras e textos manuscritos em árabe.