[論文レビュー] An MLP based Approach for Recognition of Handwritten 'Bangla' Numerals

Subhadip Basu, Nibaran Das+4 more|arXiv (Cornell University)|Jan 1, 2005

Handwritten Text Recognition Techniques参考文献 9被引用数 24

ひとこと要約

本論文は、24個のシャドウ特徴、16個のセントロイド特徴、36個の最長ラン特徴を組み合わせた76要素の特徴ベクトルを用いて、手書きバングラ数字を認識するためのマルチレイヤーパーセプトロン（MLP）分類器を提案する。6,000サンプルのデータセットを3分割交差検証で評価した結果、平均認識率は96.67%に達し、バングラOCRアプリケーションにおいて優れた性能を示し、バングラ script 認識への応用拡張可能性も示唆している。

ABSTRACT

The work presented here involves the design of a Multi Layer Perceptron (MLP) based pattern classifier for recognition of handwritten Bangla digits using a 76 element feature vector. Bangla is the second most popular script and language in the Indian subcontinent and the fifth most popular language in the world. The feature set developed for representing handwritten Bangla numerals here includes 24 shadow features, 16 centroid features and 36 longest-run features. On experimentation with a database of 6000 samples, the technique yields an average recognition rate of 96.67% evaluated after three-fold cross validation of results. It is useful for applications related to OCR of handwritten Bangla Digit and can also be extended to include OCR of handwritten characters of Bangla alphabet.

研究の動機と目的

• インド・サブコンチネントにおいて高い言語的・文化的意義を持つバングラ文字のための効果的なパターン認識システムの開発。
• 分類性能の向上に寄与するように、バングラ数字の構造的・空間的特徴を捉える特徴セットの設計。
• 6,000サンプルの実世界の手書きバングラ数字データセットを用いて、MLPベース分類器の性能を評価すること。
• 数値認識を超えて、完全なバングラ文字認識への応用を可能にする基盤を構築すること。

提案手法

• 本システムは、24個のシャドウ特徴、16個のセントロイド特徴、36個の最長ラン特徴から成る76要素の特徴ベクトルを用いて、各手書きバングラ数字を表現する。
• シャドウ特徴は、数字画像全体における垂直および水平方向の画素密度分布を捉える。
• セントロイド特徴は、画素の空間的分布から得られ、数字の幾何学的重心を反映する。
• 最長ラン特徴は、複数の方向におけるセット画素の最大連続長を特定し、ストロークのパターンをエンコードする。
• マルチレイヤーパーセプトロン（MLP）ニューラルネットワークを、抽出された特徴に基づいて学習させ、10種類のバングラ数字クラスに分類する。
• モデルの性能は、訓練とテストのスプリットが異なる場合の安定性と汎化能力を確認するため、3分割交差検証を用いて評価される。

実験結果

リサーチクエスチョン

• RQ1 シャドウ、セントロイド、最長ラン特徴を組み合わせたハイブリッド特徴セットは、分類のための手書きバングラ数字の表現に効果的か？
• RQ2 76要素の特徴ベクトルを用いて学習されたMLP分類器は、手書きバングラ数字の認識においてどの程度の性能を示すか？
• RQ3 6,000サンプルのデータセットを3分割交差検証で評価した場合、提案手法の認識正確度はどの程度か？
• RQ4 このアプローチは、数値を超えて手書きバングラアルファベットの認識へどの程度拡張可能か？

主な発見

• 提案されたMLPベース分類器は、6,000サンプルの手書きバングラ数字データセットにおいて平均認識率96.67%を達成した。
• 24個のシャドウ特徴、16個のセントロイド特徴、36個の最長ラン特徴の組み合わせは、数字の構造を強固に表現し、分類精度の向上に寄与した。
• 3分割交差検証により、モデルの安定性および異なる訓練・テスト分割における汎化能力が確認された。
• 本システムは、バングラ光学文字認識（OCR）における実用的応用の強い可能性を示している。
• 本手法のアプローチは、数値を超えて手書きバングラアルファベットの認識へも拡張可能であり、数値認識を超えた幅広い応用可能性を示唆している。