Sampaio, Pablo AzevedoMelo, Diogo Felipe Félix de2023-02-242023-02-242018-08-16MELO, Diogo Felipe Félix de. Aprendizado profundo com capacidade computacional reduzida: uma aplicação à quebra de CAPTCHAs. 2018. 65 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2018.https://repository.ufrpe.br/handle/123456789/4016Na última década, Redes Neurais Profundas tem se mostrado uma poderosa técnica de aprendizado de máquina. Em geral, essas técnicas demandam alto poder computacional e grandes volumes de dados para obter resultados expressivos, o que pode ser um fator limitante em algumas realidades. Entretanto, o projeto cuidadoso da arquitetura e do treino podem ajudar a reduzir estes requisitos. Neste trabalho apresentamos uma abordagem comparativa para a aplicação de redes neurais profundas à quebra de CAPTCHAs de texto como uma forma de contornar essas limitações. Estudamos modelos capazes de aprender a segmentar e identificar o texto contido em imagens baseando-se apenas em exemplos. A partir da experimentação de diferentes hiper-parâmetros e arquiteturas, fomos capazes de obter um modelo final com acurácia de 96.06% de acerto por token em aproximadamente 3 horas de treino executado em um simples computador pessoal.65 f.porhttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.pt_BRAprendizado do computadorAutenticaçãoSegurança de computadoresRedes neurais (Computação)bachelorThesisAtribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY-NC-SA 4.0)https://n2t.net/ark:/57462/001300000cr68