[論文レビュー] Non-Correlated Character Recognition using Artificial Neural Network

Tirtharaj Dash, Tanistha Nayak|arXiv (Cornell University)|Jun 19, 2013

Handwritten Text Recognition Techniques参考文献 7被引用数 4

ひとこと要約

本論文は、線形的関係性のない分離されたアルファベットに焦点を当てた、オフラインで非相関的な手書き英字文字認識のための人工ニューラルネットワーク（ANN）ベースの手法を提案する。MATLABでトレーニングされたフィードフォワードニューラルネットワークを用いて、大文字と小文字の52セットの文字を対象に、最大85％の認識精度を達成した。

ABSTRACT

This paper investigates a method of Handwritten English Character Recognition using Artificial Neural Network (ANN). This work has been done in offline Environment for non correlated characters, which do not possess any linear relationships among them. We test that whether the particular tested character belongs to a cluster or not. The implementation is carried out in Matlab environment and successfully tested. Fifty-two sets of English alphabets are used to train the ANN and test the network. The algorithms are tested with 26 capital letters and 26 small letters. The testing result showed that the proposed ANN based algorithm showed a maximum recognition rate of 85%.

研究の動機と目的

• 分離された、非相関的な手書き英字文字をオフライン環境で効果的に認識するための堅牢な手法の開発。
• 線形的または構造的相関関係が欠如する文字の認識という、従来のパターン認識技術が困難に感じる課題への対処。
• 26個の大文字と26個の小文字を区別する人工ニューラルネットワークの性能評価。
• 文字間の関係に関する事前仮定ができない状況下で、ANNを用いた文字認識の実現可能性の検証。
• 現実的で非理想的な手書き文字認識のシナリオにおいて、高い認識精度を達成すること。

提案手法

• 認識のコアモデルとしてフィードフォワード人工ニューラルネットワークが採用された。
• ネットワークは、26個の大文字と26個の小文字の合計52種類の分離された手書き英字文字のセットでトレーニングされた。
• 分離された文字画像に対して特徴抽出が行われ、ANNの入力ベクトルが準備された。
• トレーニングとテストは、重み調整に標準的なバックプロパゲーションを用いたMATLAB環境で実装された。
• システムは、学習されたパターンに基づいて、テスト文字が特定のクラスタ（文字クラス）に属するかどうかを判断する。
• 入力パターンを分類するために、教師あり学習アプローチを用いた多層パーセプトロンのアーキテクチャが採用された。

実験結果

リサーチクエスチョン

• RQ1 線形的関係性を仮定せずに、非相関的な手書き英字文字を人工ニューラルネットワークが効果的に認識できるか。
• RQ2 分離されたオフライン手書きアルファベットに対して、ANNを用いた場合の最大認識精度はどの程度達成可能か。
• RQ3 文脈的または逐次的ヒントが欠如する状況下で、ANNは大文字と小文字の両方の文字に対してどれほど一般化性能を発揮するか。
• RQ4 本手法は、非相関的な文字認識タスクにおいて、従来のパターン認識手法を上回る性能を示すか。
• RQ5 トレーニングデータの多様性が、未観測の手書き文字を分類する能力に与える影響は何か。

主な発見

• 提案されたANNベースの手法は、52種類の手書き文字クラスからなるテストデータセットにおいて、最大85％の認識率を達成した。
• システムは、オフラインで非相関的な環境下において、26個の大文字と26個の小文字を効果的に区別できた。
• 認識性能は大文字と小文字の両方の文字セットで一貫しており、バランスの取れた学習が実現していることが示された。
• フィードフォワードニューラルネットワークの使用により、構造的または線形的関係性が欠如する文字に対しても、効果的な分類が可能となった。
• MATLAB上での実装により、本手法の実用的妥当性と再現可能性が示された。
• 結果から、トレーニングデータが十分に代表的であれば、ANNが分離文字認識に有効であることが確認された。