Identificação de Textos em Imagens CAPTCHA utilizando conceitos de Aprendizado de Máquina e Redes Neurais Convolucionais

Abstract

Diversas aplicações na Internet possuem a política de manter público o acesso a alguns dados e informações. No entanto, para que isso seja possível, é necessário o desenvolvimento de uma aplicação ou um site eletrônico robusto para que os acessos, realizados por usuários, possam ser feitos sem onerar ou derrubar a fonte de dados. Nessas condições, surge o conceito de Big Data que consiste em dados produzidos e captados rapidamente, múltiplas fontes fornecedoras de dados, enorme quantidade de dados, dados e fontes confiáveis e verdadeiros e relevância dos dados para negócios. Do conceito de Big Data, surgiram empresas especializadas que começaram a realizar captação de dados em uma enorme velocidade e quantidade. Com essa necessidade de captação, surgem os Web Crawlers, Web Spiders e a automação da captura de dados. Os Crawlers e Spiders são programas desenvolvidos com a função de automatizar a consulta e adquirir dados de forma rápida, eficaz e repetitiva, fazendo muitas consultas em um pequeno intervalo de tempo. Com a repetitividade excessiva de consultas, a maioria dos sites eletrônicos adotam uma ferramenta para tentar bloquear/dificultar o funcionamento dos programas citados. Esta ferramenta é denominada CAPTCHA (teste de Turing público completamente automatizado para diferenciação entre computadores e humanos) e consiste em imagens contendo textos que devem ser reconhecidos e digitados pelo usuário para completar uma consulta de forma correta. Por fim, tem-se que o presente trabalho é uma implementação de soluções para reconhecimento de textos em imagens CAPTCHA utilizando-se de conceitos de processamento de imagem, aprendizado de máquina e redes neurais convolucionais.