[論文レビュー] Advancements and Challenges in Arabic Optical Character Recognition: A Comprehensive Survey

Mahmoud SalahEldin Kasem, Mohamed Mahmoud+1 more|arXiv (Cornell University)|Dec 19, 2023

Handwritten Text Recognition Techniques被引用数 6

ひとこと要約

本包括的なサーベイは、複数のデータセットを用いた深層学習ベースの手法（DCNN や TrOCR など）を焦点として、最先端のアラビア語 OCR 技術を分析している。セグメンテーションに基づくアプローチが優れた性能を示し、文字認識では最大 99.952% の正確性を達成した。一方、連続書体、マーク（元音記号）、ラベル付きデータの不足といった課題が指摘され、後処理の向上とデータセット開発の必要性が強調されている。

ABSTRACT

Optical character recognition (OCR) is a vital process that involves the extraction of handwritten or printed text from scanned or printed images, converting it into a format that can be understood and processed by machines. This enables further data processing activities such as searching and editing. The automatic extraction of text through OCR plays a crucial role in digitizing documents, enhancing productivity, improving accessibility, and preserving historical records. This paper seeks to offer an exhaustive review of contemporary applications, methodologies, and challenges associated with Arabic Optical Character Recognition (OCR). A thorough analysis is conducted on prevailing techniques utilized throughout the OCR process, with a dedicated effort to discern the most efficacious approaches that demonstrate enhanced outcomes. To ensure a thorough evaluation, a meticulous keyword-search methodology is adopted, encompassing a comprehensive analysis of articles relevant to Arabic OCR, including both backward and forward citation reviews. In addition to presenting cutting-edge techniques and methods, this paper critically identifies research gaps within the realm of Arabic OCR. By highlighting these gaps, we shed light on potential areas for future exploration and development, thereby guiding researchers toward promising avenues in the field of Arabic OCR. The outcomes of this study provide valuable insights for researchers, practitioners, and stakeholders involved in Arabic OCR, ultimately fostering advancements in the field and facilitating the creation of more accurate and efficient OCR systems for the Arabic language.

研究の動機と目的

• アラビア語 OCR における現在の手法、応用、課題を包括的にレビューすること。
• アラビア語テキストにおける文字、単語、数字認識に最も効果的な技術を特定すること。
• セグメンテーションとセグメンテーションフリーなアプローチが OCR 性能に与える影響を分析すること。
• 特にラベル付きデータセットの不足と後処理のニーズに起因する研究ギャップを浮き彫りにすること。
• 今後の研究を導くため、アラビア語 OCR の正確性と耐性を向上させる有望な方向性を同定すること。

提案手法

• キーワードベースの系統的文献レビューを実施し、アラビア語 OCR 研究の前後引用文献分析を含めた。
• 本サーベイは、OCR パイプラインにおける前処理、セグメンテーション（テキスト領域、行、単語、文字）、認識、後処理の各段階を評価した。
• ベンチマークデータセット上で性能を評価した深層学習モデルとして、深層畳み込みニューラルネットワーク（DCNN）、TrOCR、および CNN-SVM ハイブリッド手法を分析した。
• Character Error Rate（CER）、Word Error Rate（WER）、正確性、適合率、再現率、F1 スコアといった性能指標を用いて、手法間の比較を行った。
• HACDB、MADBase、SUST-ALT、KAFD、ADBase、AHCD、HIJJA といったデータセットを、その特徴とトレーニング・テストへの有用性について評価した。
• 本研究は、スペルチェックアルゴリズムなどの後処理技術が OCR 出力品質の向上に果たす役割を強調している。

Figure 1 : Brief overview of OCR process

実験結果

リサーチクエスチョン

• RQ1 異なるテキストタイプにおいて、アラビア語 OCR の最も効果的な深層学習的手法と従来的手法は何か？
• RQ2 セグメンテーションベースとセグメンテーションフリーなアプローチは、アラビア語テキストの正確性と耐性の観点でどのように比較できるか？
• RQ3 特に書体の複雑さとデータの可用性に起因する、アラビア語 OCR の主な課題は何か？
• RQ4 既存のデータセットは、構造、内容、耐性のある OCR システムのトレーニングに適しているかという点でどのように異なるか？
• RQ5 後処理技術は、アラビア語 OCR システムの最終出力品質を向上させるために果たす役割は何か？

主な発見

• DCNN は HACDB データセットで文字認識において 99.91% の正確性を達成し、MADBase では数字認識で 99.906%、SUST-ALT では単語認識で 99.952% を記録した。
• KAFD データセットにおける TrOCR は CER 0.82、WER 2.39 を達成し、複雑な単語レベル認識において優れた性能を示した。
• ADBase における FGSM + ORCing 法は、CER が明記されていないものの、非常に低い WER 0.0310 を達成しており、テキスト認識の高精度性を示している。
• CNN と SVM の組み合わせ手法は、HACDB で文字認識で 89.7%、AHCD で 97.3%、HIJJA で単語認識で 88.8% の正確性を達成した。
• 特に縦方向／横方向の投影法を用いたセグメンテーションベースの手法が、単語および文字のセグメンテーションタスクにおいて、セグメンテーションフリー手法を上回った。
• 本研究は、ラベル付きアラビア語 OCR データセットの入手困難性が主なブottleneckであると特定し、より包括的かつ多様なデータセットの構築を強く要請している。

(a) IFN/ENIT