[論文レビュー] A novel approach for handwritten Devnagari character recognition

Sandhya Arora, Latesh Malik+2 more|arXiv (Cornell University)|Jun 30, 2010

Face and Expression Recognition参考文献 2被引用数 7

ひとこと要約

本稿では、方向勾配の変化、交差点、スフィン型、およびシロレクラ分類を用いた特徴ベースの新規手法を提示する。共役勾配による学習を施した多層パーセプトロンは、1,000サンプルのデータセット上で88.12%の認識精度を達成し、インド文字の手書き認識に有効であることを示している。

ABSTRACT

In this paper a method for recognition of handwritten devanagari characters is described. Here, feature vector is constituted by accumulated directional gradient changes in different segments, number of intersections points for the character, type of spine present and type of shirorekha present in the character. One Multi-layer Perceptron with conjugate-gradient training is used to classify these feature vectors. This method is applied to a database with 1000 sample characters and the recognition rate obtained is 88.12%

研究の動機と目的

• 多様な地方的変異を示す複雑なスクリプトとしての手書きデヴァナガリー文字の認識に効果的な手法を開発すること。
• 重ね書きや接続されたデヴァナガリー文字、重なりのある線画や母音記号を含む特徴抽出の課題に対処すること。
• 構造的および方向的特徴を統合し、頑健な分類器を用いて認識精度を向上させること。
• 1,000サンプルの実世界の手書きデヴァナガリー文字データセット上で手法を評価すること。
• 標準的なニューラルネットワーク分類器を用いたハイブリッド特徴セットの実用可能性を示すこと。

提案手法

• 特徴ベクトルの構築には、文字のセグメンテーション領域における方向勾配の累積変化が含まれる。
• 文字内の交差点の数を数えることで、構造的複雑さを捉える。
• スフィン型（例：直線、曲線）を分類することで、主なストローク構造を表現する。
• シロレクラ（上部バー）の有無および種別を分析し、それらの有無に応じて文字を区別する。
• 結合特徴ベクトル上で、共役勾配最適化を用いた多層パーセプトロン（MLP）を学習する。
• 分類器は、1,000個の手書きデヴァナガリー文字からなるデータセット上で学習およびテストされる。

実験結果

リサーチクエスチョン

• RQ1 方向勾配特徴、交差点、スフィン型、シロレクラ分類の組み合わせが、デヴァナガリー文字認識を向上させることができるか？
• RQ2 共役勾配による学習を施した多層パーセプトロンは、デヴァナガリー文字特徴の分類にどの程度効果的か？
• RQ3 中程度のサイズの手書きデヴァナガリー文字データセット上で、この特徴セットを用いてどの程度の認識精度が達成できるか？
• RQ4 スフィンやシロレクラといった構造的特徴は、形状が似ているが構造的性質が異なるデヴァナガリー文字を区別するためにどのように寄与するか？
• RQ5 提案された特徴ベクトルは、筆跡スタイルの変動に十分に耐性を示すほど頑健か？

主な発見

• 提案手法は、1,000個の手書きデヴァナガリー文字からなるデータセット上で88.12%の認識精度を達成した。
• 方向勾配の変化と交差点の組み合わせが、特徴の識別能を顕著に向上させた。
• スフィンおよびシロレクラの分類が、形状が似ているが構造的性質が異なる文字を区別するのにおいて寄与した。
• 共役勾配による学習を施した多層パーセプトロンは、特徴空間の非線形意思決定境界を効果的に学習した。
• 本手法は、インド語文書処理システムにおける実用的応用の強力な可能性を示している。
• 結果から、深層学習を用いずにも、手作業による構造的および方向的特徴が競争力のある性能を達成できることを示している。