[論文レビュー] Offline Writer Identification based on the Path Signature Feature

Songxuan Lai, Lianwen Jin|arXiv (Cornell University)|May 3, 2019

Handwritten Text Recognition Techniques参考文献 35被引用数 4

ひとこと要約

本論文は、筆跡の輪郭から抽出したパス・シグネチャ（PS）特徴、特に対数パス・シグネチャ（LPS）を用いて、オフライン筆跡識別を行う新規手法を提案する。この手法は、IAM、Firemaker、CVL、ICDAR2013のデータセットで最先端の性能を達成し、IAMでは97%、CVLでは99.27%、ICDAR2013では96.6%のトップ-1正解率を記録した。これは、限られたインク量や単一のラインによる照合でも、高い効率性と頑健性を示している。

ABSTRACT

In this paper, we propose a novel set of features for offline writer identification based on the path signature approach, which provides a principled way to express information contained in a path. By extracting local pathlets from handwriting contours, the path signature can also characterize the offline handwriting style. A codebook method based on the log path signature---a more compact way to express the path signature---is used in this work and shows competitive results on several benchmark offline writer identification datasets, namely the IAM, Firemaker, CVL and ICDAR2013 writer identification contest dataset.

研究の動機と目的

• 筆跡の輪郭幾何から筆跡スタイルを捉える、原理的かつデータ効率の良いオフライン筆跡識別手法の開発。
• 時間系列処理に用いられるパス・シグネチャフレームワークを、輪郭断片をパスとみなすことにより、オフライン筆跡に適応すること。
• 複雑な前処理や特徴融合を用いずに、ベンチマークデータセットでの性能向上を図ること。
• インク量の変動やテンプレート品質のばらつきに対する頑健性の評価。

提案手法

• スクリプト境界を多角形化することで、筆跡の輪郭から局所的パスレットを抽出する。
• パスの反復積分を用いてパス・シグネチャ（PS）を計算し、曲率や方向性といった幾何的・方向的特徴を捉える。
• PSをよりコン act かつ安定した表現に圧縮するために、対数パス・シグネチャ（LPS）を用いる。
• ベクトル量子化を用いてLPS特徴からコードブックを構築し、効率的な照合を実現する。
• LPS特徴に基づく最近傍法分類器を適用し、筆跡識別を実行する。
• パラメータ（w, m, M）であるパスレット長、サンプリングレート、コードブックサイズを最適化し、精度と速度のバランスを取る。

実験結果

リサーチクエスチョン

• RQ1 パス・シグネチャフレームワークは、オフライン筆跡の輪郭から、判別性の高い筆跡スタイルを効果的に捉えることができるか？
• RQ2 LPSベースのコードブック手法は、従来の輪郭ベース手法や深層学習手法と比較して、標準ベンチマークでどのように性能を発揮するか？
• RQ3 インク量の変動やテンプレート品質のばらつきに対して、この手法はどの程度頑健か？
• RQ4 単一のテキストラインや限られたテンプレートといった最小限のデータでも、高い正解率を達成できるか？

主な発見

• 提案手法のLPSベースのアプローチは、IAMデータセットで97%のトップ-1正解率を達成し、大多数の先行輪郭ベース手法を上回った。
• CVLデータセットでは99.27%のトップ-1正解率を記録し、特徴融合を用いずに最先端の結果と同等またはそれを上回った。
• 1つのテキストラインをクエリとして用いた場合、CVLで95.31%のトップ-1正解率を達成し、優れたデータ効率性を示した。
• ICDAR2013データセットでは96.6%のトップ-1正解率を達成し、多様な筆跡スタイルにわたる強い汎化性能を示した。
• 計算効率が高く、SIFTよりもLPSの計算が著しく高速であり、ハイパーパrameterを最適化すれば、低インクテンプレートでも良好な性能を発揮した。
• テンプレートのインク量が不足していると性能が低下する傾向にあり、低インク条件での頑健性向上の必要性が浮き彫りになった。