[논문 리뷰] A Study of Sindhi Related and Arabic Script Adapted languages Recognition

Dil Nawaz Hakro, Abdullah Zawawi Talib외 2명|arXiv (Cornell University)|2014. 12. 13.

Handwritten Text Recognition Techniques참고 문헌 48인용 수 8

한 줄 요약

이 논문은 라틴, 중국어, 일본어 스크립트의 OCR 기술 발전에도 불구하고 여전히 미비하게 다뤄지고 있는 시ндhi어 및 기타 아랍 문자 기반 언어를 위한 광범위한 종합적 설문 조사 결과를 제시한다. 연구는 시ндhi어의 언어적 특성과 아랍 문자 변형 스크립트 인식의 과제를 분석하며, 자원이 적은 언어 환경에서의 인식 시스템 향상을 위한 향후 연구 방향을 도출한다.

ABSTRACT

A large number of publications are available for the Optical Character Recognition (OCR). Significant researches, as well as articles are present for the Latin, Chinese and Japanese scripts. Arabic script is also one of mature script from OCR perspective. The adaptive languages which share Arabic script or its extended characters; still lacking the OCRs for their language. In this paper we present the efforts of researchers on Arabic and its related and adapted languages. This survey is organized in different sections, in which introduction is followed by properties of Sindhi Language. OCR process techniques and methods used by various researchers are presented. The last section is dedicated for future work and conclusion is also discussed.

연구 동기 및 목표

• 라틴어나 중국어 스크립트와 같은 더 발전된 스크립트와는 달리 강력한 인식 시스템을 갖추지 못한 시ндhi어 및 아랍 문자 기반 언어의 OCR 분야 최신 기술 수준을 조사하기 위해.
• 아랍 문자를 사용하는 시ндhi어 및 관련 언어의 인식 과정에서 발생하는 언어학적 및 스크립트 특화 과제를 분석하기 위해.
• 이러한 언어에 적용된 기존 OCR 방법론을 검토하기 위해, 전처리, 특징 추출, 분류 기법을 포함한다.
• 현재 연구에서의 격차를 특정하고, 자원이 적은 스크립트 OCR 개발을 위한 향후 연구 방향을 제안하기 위해.
• 시ндhi어 및 유사 언어의 형태학적 및 철자적 복잡성을 감안한 OCR 기법에 대한 체계적인 개요를 제공하기 위해.

제안 방법

• 학술 데이터베이스 및 저널에서 시ONDhi어 및 아랍 문자 기반 언어의 OCR에 관한 출판된 연구를 체계적으로 검토하기 위해.
• 조사된 문헌 기반으로 OCR 기법을 전처리, 특징 추출, 분류 단계로 분류하기 위해.
• OCR 설계에 영향을 주기 위해 시ONDhi어의 스크립트 구조, 부호, 문자 변형 등의 언어학적 특성을 분석하기 위해.
• 연어의 코herent 형태와 문맥적 형태 변화 등의 공통 과제를 집중적으로 분석하기 위해, 아랍 문자를 공유하는 다양한 언어 간의 OCR 성능을 비교하기 위해.
• OCR 파이프라인 구성 요소와 언어 특화 복잡성을 시각적 분석 및 그림 기반 통합을 통해 시각화하기 위해.
• 발견된 결과를 통합하여, 대표성이 부족한 아랍 문자 기반 언어의 향후 OCR 개발을 위한 체계적인 프레임워크로 정리하기 위해.

실험 결과

연구 질문

• RQ1 시ONDhi어 및 기타 아랍 문자 기반 언어를 OCR으로 인식하는 데 있어 주요 과제는 무엇인가요?
• RQ2 라틴어나 중국어 스크립트와 비교할 때, 기존의 OCR 기법은 시ONDhi어 및 관련 언어에서 어떻게 성능을 발휘하고 있나요?
• RQ3 시ONDhi어의 언어학적 및 스크립트 특화 기능은 OCR 정확도와 시스템 설계에 어떤 영향을 미치나요?
• RQ4 특히 자원이 적은 환경에서 아랍 문자 기반 언어의 OCR 연구에 있어 현재 존재하는 격차는 무엇인가요?
• RQ5 시ONDhi어 및 유사 언어의 OCR 성능 향상을 위해 향후 연구에서 고려할 수 있는 방향은 무엇인가요?

주요 결과

• 라틴어, 중국어, 일본어 스크립트의 OCR 연구가 성숙한 데 반해, 시ONDhi어 및 기타 아랍 문자 기반 언어에 대한 전용 OCR 시스템이 크게 부족하다.
• 문맥 기반 형태와 부호의 복잡성 등 시ONDhi어의 형태학적 복잡성은 정확한 문자 인식에 큰 과제를 야기한다.
• 기존 아랍 문자 스크립트용 OCR 방법은 시ONDhi어에 부분적으로 적용 가능하지만, 고유한 철자적 특성으로 인해 언어 특화된 적응이 필요하다.
• 본 설문 조사에서는 시ONDhi어 및 관련 언어에 대한 강력하고 자원이 적은 OCR 시스템 개발에 있어 중요한 연구 격차를 특정한다.
• 향후 연구는 데이터셋 구축, 언어 특화 특징 엔지니어링, 스크립트 특성에 맞춘 하이브리드 딥 러닝 접근법에 집중해야 한다.
• 본 연구는 아랍 문자 스크립트의 OCR이 성숙했지만, 시ONDhi어처럼 그 변형 형태는 여전히 다뤄지지 않아 목표 지향적 연구가 필요하다고 결론 내린다.