[論文レビュー] ANN-based Innovative Segmentation Method for Handwritten text in Assamese

Kaustubh Bhattacharyya, Kandarpa Kumar Sarma|ArXiv.org|Nov 4, 2009

Handwritten Text Recognition Techniques参考文献 8被引用数 11

ひとこと要約

本稿では、従来の投影ベースの静的セグメンテーションの限界を克服する、革新的なANNベースの動的セグメンテーション手法を提示している。過剰にセグメンテーションされたラインから個々の文字を認識するようにトレーニングされたニューラルネットワークを用いることで、パターンマッチングにより最適なセグメンテーション境界を特定し、アッサミー語のような低リソースのインド系スクリプトにおける文字単位のセグメンテーション精度を向上させた。

ABSTRACT

Artificial Neural Network (ANN) s has widely been used for recognition of optically scanned character, which partially emulates human thinking in the domain of the Artificial Intelligence. But prior to recognition, it is necessary to segment the character from the text to sentences, words etc. Segmentation of words into individual letters has been one of the major problems in handwriting recognition. Despite several successful works all over the work, development of such tools in specific languages is still an ongoing process especially in the Indian context. This work explores the application of ANN as an aid to segmentation of handwritten characters in Assamese- an important language in the North Eastern part of India. The work explores the performance difference obtained in applying an ANN-based dynamic segmentation algorithm compared to projection- based static segmentation. The algorithm involves, first training of an ANN with individual handwritten characters recorded from different individuals. Handwritten sentences are separated out from text using a static segmentation method. From the segmented line, individual characters are separated out by first over segmenting the entire line. Each of the segments thus obtained, next, is fed to the trained ANN. The point of segmentation at which the ANN recognizes a segment or a combination of several segments to be similar to a handwritten character, a segmentation boundary for the character is assumed to exist and segmentation performed. The segmented character is next compared to the best available match and the segmentation boundary confirmed.

研究の動機と目的

• 手書きアッサミー語文字の正確なセグメンテーションを、低リソースのインド系スクリプトとしてのアッサミー語の手書き認識パイプラインで解決すること。
• 変動する筆跡スタイルや文字の重なりによって頻繁に失敗する、静的投影ベースのセグメンテーションの限界を克服すること。
• 人工ニューラルネットワーク（ANN）を用いた動的セグメンテーションアプローチを開発し、文字認識に基づいて適応的にセグメンテーション境界を特定すること。
• 認識の前段階であるセグメンテーション段階の精錬により、手書きアッサミー語テキスト認識全体の精度を向上させること。

提案手法

• 手法は、従来の投影ベース技術を用いて、手書きラインを単語レベルのコンポonentに静的セグメンテーションすることから始める。
• 各セグメンテーション済み単語は、その後、より小さなサブセグメントに過剰にセグメンテーションされ、仮の文字境界が生成される。
• トレーニング済みの人工ニューラルネットワーク（ANN）が、各サブセグメントおよび隣接するサブセグメントの組み合わせを評価し、それらが既知の手書き文字に一致するかどうかを判断する。
• ANNは、複数の個人から収集した手書きアッサミー語文字のデータセットでトレーニングされ、スタイルのばらつきに耐性を持つようにする。
• ANNが特定のセグメント（またはセグメントの組み合わせ）を高い信頼度で既知の文字と一致すると、セグメンテーション境界が確認される。
• 最終的なセグメンテーションは、トレーニングデータベース内の最良の一致文字との比較によって検証される。

実験結果

リサーチクエスチョン

• RQ1 ANNベースの動的セグメンテーションアプローチは、従来の静的投影ベース手法に比べて、手書きアッサミー語テキストのセグメンテーションにおいて優れた性能を示せるか？
• RQ2 過剰にセグメンテーションされた手書きアッサミー語のサブワードにANNを適用した場合、最適なセグメンテーション境界を検出する能力はどの程度効果的か？
• RQ3 多様な筆跡サンプルでANNをトレーニングすることで、アッサミー文字のセグメンテーション精度はどの程度向上するか？
• RQ4 動的セグメンテーション手法は、手書きアッサミー語テキストにおける重なっているか、うまく分離されていない文字をどのように処理するか？

主な発見

• ANNベースの動的セグメンテーション手法は、手書きアッサミー語テキストのセグメンテーションにおいて、静的投影ベースのセグメンテーションよりも優れた性能を示した。
• パターン認識機能を活用した動的アプローチにより、文字境界をより信頼性高く特定でき、セグメンテーション精度が向上した。
• 過剰セグメンテーションに続いてANNによる評価を実施することで、不規則な筆跡によって生じる誤差を低減する適応的境界検出が可能になった。
• この手法は、手書きアッサミー語で一般的なストローク幅のばらつきや文字の接続性の変化に対しても有効であった。
• セグメンテーション境界は、トレーニングセット内の最良一致文字との比較によって確認され、信頼性が向上した。
• 結果から、ANNはインド系スクリプトの低リソースな手書き認識タスクにおけるセグメンテーション品質を著しく向上させられると示唆された。