[論文レビュー] Character-level Chinese Writer Identification using Path Signature Feature, DropStroke and Deep CNN

Weixin Yang, Lianwen Jin+1 more|arXiv (Cornell University)|May 19, 2015

Handwritten Text Recognition Techniques参考文献 20被引用数 9

ひとこと要約

本稿では、パス・シグネチャ特徴量と深層畳み込みニューラルネットワーク（DCNN）を用い、ドロップストロークと呼ばれる新しいデータ拡張技術で強化された、エンド・トゥ・エンドでテキストに依存しない中国語筆跡識別システムを提案する。CASIA-OLHWDB1.0（420名の筆者、3,866種類の漢字クラス）で評価された結果、筆者1人あたりたった200件の訓練サンプルでの学習でも顕著な性能向上を達成し、パス・シグネチャ特徴量とドロップストロークの有効性が示された。

ABSTRACT

Most existing online writer-identification systems require that the text content is supplied in advance and rely on separately designed features and classifiers. The identifications are based on lines of text, entire paragraphs, or entire documents; however, these materials are not always available. In this paper, we introduce a path-signature feature to an end-to-end text-independent writer-identification system with a deep convolutional neural network (DCNN). Because deep models require a considerable amount of data to achieve good performance, we propose a data-augmentation method named DropStroke to enrich personal handwriting. Experiments were conducted on online handwritten Chinese characters from the CASIA-OLHWDB1.0 dataset, which consists of 3,866 classes from 420 writers. For each writer, we only used 200 samples for training and the remaining 3,666. The results reveal that the path-signature feature is useful for writer identification, and the proposed DropStroke technique enhances the generalization and significantly improves performance.

研究の動機と目的

• オンライン手書き中国語漢字のテキストに依存しない筆跡識別システムの開発。事前に既知のテキスト内容に依存しないようにする。
• 個人の筆跡に特化した新しいデータ拡張手法を導入することで、訓練データが限られているという課題に対処する。
• 構造的な筆跡特徴を用いて、筆跡識別における深層学習モデルの汎化性能と性能を向上させる。
• パス・シグネチャ特徴量が筆者固有の筆跡ダイナミクスをどの程度効果的に捉えられるかを評価する。

提案手法

• 筆者固有の筆跡パターンをエンコードするために、ストローク軌道から抽出されたパス・シグネチャ特徴量を用いる。
• エンド・トゥ・エンドの特徴量学習と分類に、深層畳み込みニューラルネットワーク（DCNN）を採用する。
• ドロップストロークは、手書き文字のストロークをランダムに除外することで、変動を模擬し、訓練データの多様性を高めるデータ拡張技術として導入される。
• モデルは、CASIA-OLHWDB1.0データセットから筆者1人あたり200件のサンプルのみを訓練に使用し、残りの3,666件をテストに使用する。
• パス・シグネチャ表現は、順序付けられたストローク座標を、時間的および空間的ダイナミクスを捉えたベクトルに変換する。
• DCNNはパス・シグネチャ特徴量を処理し、筆者分類のための階層的表現を学習する。

実験結果

リサーチクエスチョン

• RQ1 パス・シグネチャ特徴量は、オンライン中国語漢字の筆跡において、筆者固有の筆跡パターンを効果的に表現できるか？
• RQ2 提案されたドロップストロークデータ拡張技術は、限られた訓練データでもモデルの汎化性能をどのように向上させるか？
• RQ3 パス・シグネチャ特徴量を用いたエンド・トゥ・エンドのDCNNシステムは、従来の手法に比べて、テキストに依存しない筆跡識別でどの程度優れた性能を示すか？
• RQ4 パス・シグネチャとドロップストロークの組み合わせが、大規模な中国語筆跡データセットで顕著な性能向上をもたらすか？

主な発見

• パス・シグネチャ特徴量は、ストローク軌道から特徴抽出された判別性の高い筆跡ダイナミクスを捉えることで、筆跡識別精度を顕著に向上させる。
• ドロップストロークデータ拡張技術は、モデルの汎化性能を向上させ、筆者1人あたり200件の訓練サンプルのみでも顕著な性能向上をもたらす。
• 提案されたシステムは、420名の筆者、3,866種類の漢字クラスを含むCASIA-OLHWDB1.0データセットで優れた性能を達成した。
• パス・シグネチャ特徴量を用いたエンド・トゥ・エンドのDCNNフレームワークは、手作業で特徴量を設計し、分類器を別個に使用する従来の手法を上回る性能を示した。