[論文レビュー] Online Stroke and Akshara Recognition GUI in Assamese Language Using Hidden Markov Model

S. R. Mahadeva Prasanna, R. Meena Devi+3 more|arXiv (Cornell University)|Jul 9, 2014

Handwritten Text Recognition Techniques参考文献 6被引用数 6

ひとこと要約

この論文では、隠れマルコフモデル（HMM）と言語ルールを用いたオンラインアッサミー語の筆記体とアクシャラ（文字）認識システムを提示する。システムは、HMMを用いて筆記のパターンをモデル化し、GUIとHTKツールキットを動的リンクライブラリ（DLL）を介して統合したルールベースの制約により、筆記レベルで94.14%、アクシャラレベルで84.2%の正確性を達成した。

ABSTRACT

The work describes the development of Online Assamese Stroke & Akshara Recognizer based on a set of language rules. In handwriting literature strokes are composed of two coordinate trace in between pen down and pen up labels. The Assamese aksharas are combination of a number of strokes, the maximum number of strokes taken to make a combination being eight. Based on these combinations eight language rule models have been made which are used to test if a set of strokes form a valid akshara. A Hidden Markov Model is used to train 181 different stroke patterns which generates a model used during stroke level testing. Akshara level testing is performed by integrating a GUI (provided by CDAC-Pune) with the Binaries of HTK toolkit classifier, HMM train model and the language rules using a dynamic linked library (dll). We have got a stroke level performance of 94.14% and akshara level performance of 84.2%.

研究の動機と目的

• リアルタイムの筆跡入力をサポートするアッサミー文字のオンライン認識システムの開発を目的とする。
• 正確なパターン認識のため、個々の筆記を隠れマルコフモデル（HMM）でモデル化することを目的とする。
• 筆記の組み合わせを有効なアクシャラに変換するための言語ルールを定義し、適用することを目的とする。
• 認識エンジンをグラフィカルユーザーインターフェース（GUI）と統合し、インタラクティブな利用を可能とすることを目的とする。
• HMMとルールベースのアプローチを組み合わせることで、筆記レベルおよびアクシャラレベルの両方で高い認識正確性を達成することを目的とする。

提案手法

• 181種の異なる筆記パターンを隠れマルコフモデル（HMM）で学習し、筆記レベルの分類に使用した。
• 1つのアクシャラに最大8本の筆記が存在することを考慮し、8つの言語ルールモデルを定義して筆記の組み合わせを検証した。
• CDAC・プネーが開発したGUIとHTKツールキットのHMM分類器を動的リンクライブラリ（DLL）を介して統合した。
• オンライン筆跡データにおける筆記のトレースを、ペンダウンおよびペンアップイベントで定義した。
• HMMの出力をルールベースの検証と組み合わせ、構文的に有効なアクシャラのみを許容するようにした。
• アクシャラレベルのテストでは、認識された筆記を統合し、事前に定義された言語ルールに基づいて検証した。

実験結果

リサーチクエスチョン

• RQ1 HMMベースのモデリングは、アッサミー文字における個々のオンライン筆記を高精度に認識できるか？
• RQ2 言語ルールは、有効なアクシャラを形成する筆記の組み合わせを検証するためにどの程度効果的か？
• RQ3 HMMとルールベースの検証を統合したGUI統合型システムの性能は、オンラインアッサミー語の筆跡認識においてどの程度か？
• RQ4 HMMと言語的制約を組み合わせたハイブリッドアプローチは、HMM単体よりも認識正確性を向上させられるか？
• RQ5 リアルタイムシステムにおいて、筆記レベルとアクシャラレベルの認識正確性の間には、どのようなトレードオフがあるか？

主な発見

• 181種の異なる筆記パターンで学習したHMMを用いることで、筆記レベルの認識正確性が94.14%に達した。
• HMMの出力と言語ルール検証を組み合わせることで、アクシャラレベルの認識正確性は84.2%に達した。
• ルールベースの制約の統合により、無効な筆記の組み合わせをフィルタリングすることで、アクシャラ認識の信頼性が顕著に向上した。
• HTKベースのHMM分類と統合されたGUIにより、リアルタイムでインタラクティブなオンライン筆跡認識が可能になった。
• 動的リンクライブラリ（DLL）インタフェースにより、GUI、HMM分類器、言語ルールエンジン間のシームレスな通信が実現した。
• 結果から、統計的モデリング（HMM）と言語的制約を組み合わせることで、アッサミー語のような低リソース言語に対しても実用的な認識が可能であることが示された。