[論文レビュー] Urdu Handwritten Text Recognition Using ResNet18

Muhammad Kashif|arXiv (Cornell University)|Feb 19, 2021

Handwritten Text Recognition Techniques参考文献 28被引用数 11

ひとこと要約

本稿では、ウルドゥー語の草書体手書き文字認識にResNet18を新規に応用し、ウルドゥー・ナスタリク手書きデータセット（UNHD）を用いて、複雑な草書体の文字パターンを捉えるために残差学習を活用することで、従来手法を上回る精度を達成した。著者らの知る限り、これはUNHDデータセットにおけるResNet18の初の応用であり、耐障害性の高いウルドゥー語HCRシステムへの重要な一歩である。

ABSTRACT

Handwritten text recognition is an active research area in the field of deep learning and artificial intelligence to convert handwritten text into machine-understandable. A lot of work has been done for other languages, especially for English, but work for the Urdu language is very minimal due to the cursive nature of Urdu characters. The need for Urdu HCR systems is increasing because of the advancement of technology. In this paper, we propose a ResNet18 model for handwritten text recognition using Urdu Nastaliq Handwritten Dataset (UNHD) which contains 3,12000 words written by 500 candidates.

研究の動機と目的

• ウルドゥー語は草書体でかつ著しく多様な書体を有するが、そのような言語のための効果的な手書き文字認識（HTR）システムの不足に取り組むこと。
• 500人の筆者からなる312,000語を含むウルドゥー語ナスタリク手書きデータセット（UNHD）における認識精度の向上。
• 深層残差ネットワーク（ResNet18）がウルドゥー語の書体における複雑な形状や筆記の変化を捉える有効性を検証すること。
• UNHDデータセットに最先端のCNNアーキテクチャを適用することで、今後の研究のための新たなベンチマークを提供すること。

提案手法

• モデル学習のための入力標準化とノイズ低減を目的としたUNHDデータセット画像の前処理。
• 初期ベースラインとして1次元バイポーラルLSTMを適用したが、その結果は満足できなかった。
• ウルドゥー語の手書き文字から階層的特徴を抽出するために、18層の畳み込み層を有するResNet18アーキテクチャを実装。
• 深層ネットワークの学習を改善し、消失勾配問題を軽減するために、ResNet18におけるスキップ接続を活用。
• GPU加速環境（NVIDIA GTX 1660 Ti搭載のColab）を用いて、UNHDデータセットの一部を学習データとして使用。
• 標準的な指標を用いて性能を評価し、特に同じデータセット上で過去の研究と比較した精度に注目。

実験結果

リサーチクエスチョン

• RQ1 ResNet18のような深層残差ネットワークは、ウルドゥー語の手書き文字における草書体およびスタイルの変化が著しい文字を効果的に認識できるか？
• RQ2 UNHDデータセット上でのResNet18の性能は、従来のモデル（例：バイポーラルLSTM）と比較してどの程度優れているか？
• RQ3 ResNet18におけるスキップ接続の使用が、ウルドゥー語HTRの特徴学習にどの程度向上効果をもたらすか？
• RQ4 事前学習済みまたは微調整されたResNet18アーキテクチャを適用することで、同じデータセット上で従来の手法を上回る精度が得られるか？

主な発見

• 提案されたResNet18モデルは、UNHDデータセット上で従来の手法を上回る精度を達成し、ウルドゥー語HTRの新たなベンチマークを確立した。
• ResNet18におけるスキップ接続のおかげで、勾配の流れが改善され、深層アーキテクチャの学習がより安定的かつ効果的になった。
• モデルは、複雑な結合形や複数筆記形を含む草書体のウルドゥー文字に対しても、優れた一般化性能を示した。
• 著者らは、ResNet18がウルドゥー語の手書き文字認識において実用的かつ効果的なアーキテクチャであることを確認した。同様のデータセット上で、従来のRNNベースの手法を上回った。
• 本研究は、UNHDデータセットへのResNet18の応用が、知られている限りでは初であり、今後の研究のための新たな基準を提供している。