[논문 리뷰] A novel approach for handwritten Devnagari character recognition

Sandhya Arora, Latesh Malik외 2명|arXiv (Cornell University)|2010. 06. 30.

Face and Expression Recognition참고 문헌 2인용 수 7

한 줄 요약

이 논문은 방향성 기울기 변화, 교차점, 도선 유형, 그리고 시로레카 분류를 사용한 새로운 특징 기반 접근법을 제안한다. 다층 퍼셉트론(Multi-layer Perceptron, MLP)과 공액 기울기 학습을 통해 1,000개 샘플 데이터셋에서 88.12%의 인식 정확도를 달성하여 인도 문자의 손글씨 인식에 효과적임을 입증한다.

ABSTRACT

In this paper a method for recognition of handwritten devanagari characters is described. Here, feature vector is constituted by accumulated directional gradient changes in different segments, number of intersections points for the character, type of spine present and type of shirorekha present in the character. One Multi-layer Perceptron with conjugate-gradient training is used to classify these feature vectors. This method is applied to a database with 1000 sample characters and the recognition rate obtained is 88.12%

연구 동기 및 목표

• 다양한 지역적 변형이 존재하는 복잡한 스크립트인 손글씨 디바나가리 문자를 효과적으로 인식할 수 있는 방법을 개발하기 위해.
• 겹치는 획과 어미 기호를 가진 연결형 및 쓰기 스타일이 다양한 디바나가리 문자의 특징 추출 과제를 해결하기 위해.
• 구조적 특징과 방향성 특징을 융합하여 강력한 분류기로 인식 정확도를 향상시키기 위해.
• 실제 손글씨 디바나가리 문자 데이터셋 1,000개를 대상으로 본 방법을 평가하기 위해.
• 표준 신경망 분류기와 함께 하이브리드 특징 세트의 실현 가능성을 입증하기 위해.

제안 방법

• 특징 벡터 구축은 문자의 분할 영역을 기준으로 축적된 방향성 기울기 변화를 포함한다.
• 문자의 내부에 존재하는 교차점을 세어 구조적 복잡성을 캡처한다.
• 도선 유형(예: 직선, 곡선)을 분류하여 핵심 획의 구조를 표현한다.
• 시로레카(위 바)의 존재 여부 및 유형을 분석하여 시로레카가 있는지 없는지의 차이를 식별한다.
• 결합된 특징 벡터를 기반으로 공액 기울기 최적화를 사용한 다층 퍼셉트론(Multi-layer Perceptron, MLP)을 학습한다.
• 분류기는 1,000개의 손글씨 디바나가리 문자로 구성된 데이터셋에서 학습 및 테스트된다.

실험 결과

연구 질문

• RQ1 방향성 기울기 특징, 교차점, 도선 유형, 시로레카 분류의 조합이 디바나가리 문자 인식을 향상시킬 수 있는가?
• RQ2 공액 기울기 학습을 사용한 다층 퍼셉트론은 디바나가리 문자 특징을 분류하는 데 얼마나 효과적인가?
• RQ3 중간 크기의 손글씨 디바나가리 문자 데이터셋에서 이 특징 세트를 사용해 어떤 인식 정확도를 달성할 수 있는가?
• RQ4 도선과 시로레카와 같은 구조적 특징은 형태가 유사한 디바나가리 문자를 어떻게 구분하는 데 기여하는가?
• RQ5 제안된 특징 벡터는 손글씨 스타일의 변형을 충분히 견딜 수 있는가?

주요 결과

• 제안된 방법은 1,000개의 손글씨 디바나가리 문자로 구성된 데이터셋에서 88.12%의 인식 정확도를 달성하였다.
• 방향성 기울기 변화와 교차점의 포함이 특징의 구분 능력을 크게 향상시켰다.
• 도선과 시로레카 분류가 형태는 비슷하지만 구조적 특성이 다른 문자를 구분하는 데 기여하였다.
• 공액 기울기 학습을 사용한 다층 퍼셉트론은 특징 공간의 비선형 결정 경계를 효과적으로 학습하였다.
• 본 방법은 인도어 문서 처리 시스템에 실생활 응용 가능성이 높음을 보여주었다.
• 수작업으로 구성한 구조적 및 방향성 특징가 딥러닝을 사용하지 않더라도 경쟁적인 성능을 달성할 수 있음을 시사한다.