5.8 Ambiente computacionalOs experimentos foram executados em uma GPU NVIDIA RTX 3070. Observou-se que,em potência plena, ocorriam falhas de execução (cudaErrorLaunchFailure, com quedasde barramento); por estabilidade, a potência da GPU foi limitada a 196 W, o que afeta apenas otempo de execução, e não o resultado numérico da computação. A implementação utilizou Py-Torch e a biblioteca timm (Wightman, 2019). O que se obteve com a aplicação destes métodosé apresentado e discutido no Capítulo 6.

5.2.1 Imagem cruaA representação crua é obtida diretamente das cartas digitalizadas (bfl_-original_letters, com cerca de 2548 × 3565 pixels em tons de cinza), por meio daextração de janelas em grade. O procedimento, implementado como uma função pura sobreuma única imagem, consiste nas seguintes etapas:a) recorte da área de interesse (AOI): a imagem é binarizada pelo método de Otsu(1979), submetida a uma dilatação morfológica que conecta os traços vizinhos e, emseguida, a uma análise de componentes conexos; calcula-se a caixa delimitadorada massa de escrita e a imagem é recortada nessa região, com pequena margem.Essa etapa remove as margens em branco e artefatos de borda da digitalização,equalizando “o que é visto” pela rede em relação à representação de textura, quepor construção não contém margens;b) janelamento em grade: sobre a região recortada, extraem-se janelas fixas de224 × 224 pixels — resolução nativa do ViT adotado — com deslocamento (stride)configurável, fixado em 224 (janelas sem sobreposição) na configuração padrão. Nãohá redimensionamento, de modo a preservar a resolução nativa dos traços;c) filtro de primeiro plano: cada janela é binarizada e mantida apenas se a fração detinta (pixels de primeiro plano) for maior ou igual a um limiar 𝑡𝑓 𝑔, fixado em 2,5%.Janelas predominantemente em branco são descartadas;d) replicação de canais: o único canal de cinza é replicado para três canais, atendendoà entrada esperada pelo ViT pré-treinado em ImageNet.O recorte de AOI e o filtro de primeiro plano seguem o procedimento de Raven, Mateie Fink (2024), que aplica janelas em grade e seleciona apenas patches com densidade detinta suficiente para concentrar a atenção do ViT sobre regiões efetivamente manuscritas. Ca

A escrita manuscrita possui características individuais que permitem relacionar um docu-mento ao seu autor. Essa propriedade é utilizada há muito tempo na perícia documentoscópicae também na chamada identificação de escritor. Do ponto de vista computacional, a identifi-cação de escritor pode ser tratada como um problema de classificação, no qual, a partir de umdocumento manuscrito, busca-se determinar a qual autor, dentro de um conjunto conhecido, elepertence. No Brasil, uma das principais bases utilizadas nesse tipo de estudo é a BFL (BrazilianForensic Letter Database), que possui 315 escritores e três cartas para cada um deles (Freitaset al., 2010).

Uma das abordagens mais conhecidas para essa base transforma a escrita em umaimagem de textura