[論文レビュー] Devnagari Handwritten Numeral Recognition using Geometric Features and Statistical Combination Classifier

Vikas J. Dongre, Vijay H. Mankar|arXiv (Cornell University)|Oct 21, 2013

Handwritten Text Recognition Techniques参考文献 17被引用数 12

ひとこと要約

本稿では、17個の幾何的特徴（面積、周囲長、離心率、方向性など）と統計的判別関数（線形、二次、マハラノビス）を組み合わせ、多数決による結合分類器を用いたデーヴァナーガリー手書き数字認識システムを提案する。個々の分類器よりも高い認識精度を達成しており、結合手法は単体モデルを上回る性能を示した。3,000個の手書き数字（1,500個の訓練、1,500個のテスト）から成るデータセット上で評価された。

ABSTRACT

This paper presents a Devnagari Numerical recognition method based on statistical discriminant functions. 17 geometric features based on pixel connectivity, lines, line directions, holes, image area, perimeter, eccentricity, solidity, orientation etc. are used for representing the numerals. Five discriminant functions viz. Linear, Quadratic, Diaglinear, Diagquadratic and Mahalanobis distance are used for classification. 1500 handwritten numerals are used for training. Another 1500 handwritten numerals are used for testing. Experimental results show that Linear, Quadratic and Mahalanobis discriminant functions provide better results. Results of these three Discriminants are fed to a majority voting type Combination classifier. It is found that Combination classifier offers better results over individual classifiers.

研究の動機と目的

• インドの言語で広く使われるが、筆記様式の多様性が高いため認識が困難なデーヴァナーガリー手書き数字の正確な認識に取り組む。
• 単一分類器の限界を克服するため、複数の判別関数を組み合わせることで認識の頑健性を向上させる。
• 数字の幾何的・構造的性質に基づく特徴セットを構築し、形状の変動を効果的に捉える。
• さまざまな統計的判別関数の性能を評価し、アンサンブルベースの分類が優れていることを実証する。
• インドの行政システムにおけるフォーム処理や自動データ入力などの実世界応用に向けた実用的でデータ駆動型のソリューションを提供する。

提案手法

• 各デーヴァナーガリー数字画像から、ピクセル接続性、線分数、線分方向、穴の数、面積、周囲長、離心率、剛性、方向性を含む17個の幾何的特徴を抽出する。
• 分類に5つの統計的判別関数（線形、二次、対角線形、対角二次、マハラノビス距離）を適用する。
• 1,500個の手書き数字から成るデータセットで分類器を学習し、別途用意した1,500個の数字でテストする。
• 上位3つの性能を示した判別関数（線形、二次、マハラノビス）の予測を統合する多数決ベースの結合分類器を実装する。
• 複数の個別モデルの長所を活かすことで、全体の認識精度を向上させる。
• 標準指標を用いて性能を評価し、結果はテストセット全体における認識精度として報告する。

実験結果

リサーチクエスチョン

• RQ1 幾何的特徴は、デーヴァナーガリー手書き数字の構造的変動をどれほど適切に表現できるか？
• RQ2 線形、二次、対角線形、対角二次、マハラノビスのうち、どの統計的判別関数がデーヴァナーガリー数字の認識精度を最も高めるか？
• RQ3 複数の判別関数の予測を統合する結合分類器は、個別分類器を上回る性能を示せるか？
• RQ4 特徴選択と分類器統合は、実世界の手書き数字認識タスクにおける全体の認識性能にどのような影響を与えるか？
• RQ5 バランスの取れたデーヴァナーガリー数字データセット上で、既存の手法と比較して本手法は認識精度と頑健性の点で優れているか？

主な発見

• 線形、二次、マハラノビスの判別関数が、5つのテストされた分類器の中で最高の個別認識精度を達成した。
• 上位3つの性能を示した判別関数（線形、二次、マハラノビス）の予測を多数決で統合した結合分類器は、いかなる単体分類器よりも優れた認識性能を示した。
• 面積、周囲長、離心率、方向性といった幾何的特徴の使用が、モデルの識別力に顕著な貢献をした。
• 結合手法により、異なる判別関数の補完的長所を活かすことで、誤分類エラーが効果的に低減された。
• 最終的なシステムは、1,500個のテストサンプルから成る多様なデータセットでも頑健な性能を示し、優れた一般化能力を示した。
• 多数決による分類器統合が、視覚的変動が著しい手書き数字認識システムにおける認識精度向上に有効な戦略であることが確認された。