[論文レビュー] A GA Based approach for selection of local features for recognition of handwritten Bangla numerals

Nibaran Das, Subhadip Basu+4 more|arXiv (Cornell University)|Jan 22, 2015

Neural Networks and Applications参考文献 15被引用数 8

ひとこと要約

本論文は、局所的特徴選択を最適化することで、手書きバングラ数字認識を向上させる二段階の遺伝的アルゴリズム（GA）ベースの手法を提案する。まず、グローバル特徴に基づく粗い分類により候補クラスを絞り込み、次にGAが最適な局所領域を選択して精緻化する。95.25%の認識正答率を達成した（初回の93.35%から向上）ことから、複雑なパターン認識タスクにおけるGA最適化局所特徴選択の有効性が示された。

ABSTRACT

Soft computing approaches are mainly designed to address the real world ill-defined, imprecisely formulated problems, combining different kind of novel models of computation, such as neural networks, genetic algorithms (GAs. Handwritten digit recognition is a typical example of one such problem. In the current work we have developed a two-pass approach where the first pass classifier performs a coarse classification, based on some global features of the input pattern by restricting the possibility of classification decisions within a group of classes, smaller than the number of classes considered initially. In the second pass, the group specific classifiers concentrate on the features extracted from the selected local regions, and refine the earlier decision by combining the local and the global features for selecting the true class of the input pattern from the group of candidate classes selected in the first pass. To optimize the selection of local regions a GA based approach has been developed here. The maximum recognition performance on Bangla digit samples as achieved on the test set, during the first pass of the two pass approach is 93.35%. After combining the results of the two stage classifiers, an overall success rate of 95.25% is achieved.

研究の動機と目的

• 手書きバングラ数字の認識に課題となる、類似クラス内での高い可変性と複雑な空間的パターンを扱うため。
• グローバル特徴を用いて早期に候補クラスを絞ることで、分類の複雑さを低減するため。
• 精緻化のための最も識別性の高い局所的特徴を知的に選択することで、認識正答率を向上させるため。
• 遺伝的アルゴリズム（GA）を用いて局所的特徴選択を最適化し、第二段階の分類精度を向上させるため。
• グローバル特徴のみを用いる場合よりも高い全体の認識率を達成し、グローバル・ローカル特徴のハイブリッド融合の有効性を検証するため。

提案手法

• 二段階分類フレームワークを採用：第一段階はグローバル特徴を用いて粗い分類を行い、探索空間を縮小する。
• 第二段階は、入力数字画像内の選択された領域から抽出された局所的特徴に焦点を当てる。
• 遺伝的アルゴリズム（GA）を用いて、特徴領域の組み合わせの集団を進化させ、分類正答率を最適化する。
• GAは認識性能に基づいて適合度を評価し、第二段階で正しく分類される領域の組み合わせを選択する。
• 第二段階ではグローバル特徴と局所的特徴を統合し、粗い分類結果を精緻化する。
• 特徴選択は、高い識別力と低い冗長性を促進する適合度関数に従って行われる。

実験結果

リサーチクエスチョン

• RQ1 グローバル特徴のみを用いる単一段階分類手法と比較して、二段階分類アプローチは手書きバングラ数字認識の正答率を向上させることができるか？
• RQ2 遺伝的アルゴリズムは、分類性能を向上させるために、最も情報量の多い局所的画像領域を効果的に選択できるか？
• RQ3 グローバル特徴と組み合わせた場合、局所的特徴が全体の認識正答率に果たす寄与度は何か？
• RQ4 GAベースの特徴選択は、認識率を維持または向上させながら、候補クラスの数を減らすことができるか？
• RQ5 バングラ数字認識のためのハイブリッド認識フレームワークにおいて、グローバル特徴と局所的特徴の最適なバランスは何か？

主な発見

• グローバル特徴を用いた第一段階分類器は、テストセットで93.35%の認識正答率を達成した。
• 第二段階でGAベースの手法により選択された局所的特徴を統合した結果、全体の認識正答率は95.25%に向上した。
• GAベースの特徴選択プロセスは、分類性能を顕著に向上させる識別性の高い局所的領域を効果的に同定した。
• 二段階アプローチにより、第二段階における候補クラスの数が削減され、計算効率と意思決定の正確性が向上した。
• グローバル特徴と最適化された局所的特徴をハイブリッドで使用した結果、グローバル特徴に依存するモデルを上回った。
• 結果から、バングラのような複雑な script における手書き数字認識において、遺伝的アルゴリズムによる知的な局所的特徴選択が実用的で効果的な戦略であることが示された。