[논문 리뷰] An Extended Beta-Elliptic Model and Fuzzy Elementary Perceptual Codes for Online Multilingual Writer Identification using Deep Neural Network

Thameur Dhieb, Sourour Njah외 4명|arXiv (Cornell University)|2018. 04. 16.

Handwritten Text Recognition Techniques참고 문헌 37인용 수 6

한 줄 요약

이 논문은 스트로크 표현을 위한 확장된 베타-타원형 모델과 특징 추출을 위한 퍼지 기본 인지 코드를 사용한 온라인 다국어 글자인식 시스템을 제안한다. 이는 이후 딥 뉴럴 네트워크 분류기를 통해 구현된다. 이 방법은 라틴 및 아랍 문자에서 뛰어난 성능을 보이며, 기존의 다국어 글자인식 작업 대비 뛰어난 성능을 기록한다.

ABSTRACT

Actually, the ability to identify the documents authors provides more chances for using these documents for various purposes. In this paper, we present a new effective biometric writer identification system from online handwriting. The system consists of the preprocessing and the segmentation of online handwriting into a sequence of Beta strokes in a first step. Then, from each stroke, we extract a set of static and dynamic features from new proposed model that we called Extended Beta-Elliptic model and from the Fuzzy Elementary Perceptual Codes. Next, all the segments which are composed of N consecutive strokes are categorized into groups and subgroups according to their position and their geometric characteristics. Finally, Deep Neural Network is used as classifier. Experimental results reveal that the proposed system achieves interesting results as compared to those of the existing writer identification systems on Latin and Arabic scripts.

연구 동기 및 목표

• 다국어 온라인 손글씨를 처리할 수 있는 강력한 생체인식 글자인식 시스템을 개발하는 것.
• 스트로크 모델링을 위한 확장된 베타-타원형 모델을 도입하여 온라인 손글씨의 특징 표현을 향상시키는 것.
• 글쓰기 스타일의 구분 능력을 향상시키기 위해 퍼지 기본 인지 코드를 사용한 인지적 특징 추출을 개선하는 것.
• 딥 뉴럴 네트워크를 활용한 시퀀스 기반 분류 프레임워크에 동적 및 정적 스트로크 특징을 통합하는 것.
• 특히 라틴 및 아랍 문자를 포함한 다양한 글자 스크립트에서 실생활 다국어 응용을 위한 시스템 성능을 평가하는 것.

제안 방법

• 시스템은 온라인 손글씨를 시간적 및 공간적 기준에 따라 개별 스트로크로 분할한다.
• 각 스트로크는 기하학적 및 동적 특징을 포괄하기 위해 확장된 베타-타원형 모델로 모델링된다.
• 각 스트로크에서 퍼지 기본 인지 코드가 추출되어 인간과 유사한 방식으로 인지적 특징을 표현한다.
• 연속된 스트로크(N개 스트로크 시퀀스)는 위치 및 기하학적 특성에 따라 그룹화 및 서브그룹화되어 순서적 맥락을 유지한다.
• N개 스트로크 시퀀스의 특징 벡터를 연결하여 학습된 딥 뉴럴 네트워크 분류기가 글자를 식별한다.
• 이 방법은 라틴 및 아랍 문자와 같은 스크립트 간에 변하지 않는 표현을 유지함으로써 다국어 입력을 지원한다.

실험 결과

연구 질문

• RQ1 확장된 베타-타원형 모델은 온라인 손글씨 스트로크의 기하학적 및 동적 특징을 효과적으로 표현할 수 있는가?
• RQ2 퍼지 기본 인지 코드는 글자인식을 위한 특징의 구분 능력을 어떻게 향상시키는가?
• RQ3 N개의 연속된 스트로크를 시퀀스 기반으로 그룹화하는 것은 분류 정확도를 어느 정도 향상시키는가?
• RQ4 딥 뉴럴 네트워크 분류기는 특히 라틴 및 아랍 문자와 같은 다국어 스크립트에서 어떻게 성능을 발휘하는가?
• RQ5 제안된 시스템은 정확도와 강건성 측면에서 기존의 글자인식 방법을 초월하는가?

주요 결과

• 제안된 시스템은 기존의 최첨단 방법에 비해 라틴 및 아랍 문자 모두에서 뛰어난 성능을 기록한다.
• 확장된 베타-타원형 모델과 퍼지 기본 인지 코드의 통합은 글자인식을 위한 특징 표현을 크게 향상시킨다.
• N개의 연속된 스트로크를 시퀀스 기반으로 그룹화하는 것은 모델이 글쓰기 스타일 패턴을 포착하는 능력을 향상시킨다.
• 딥 뉴럴 네트워크 분류기는 다국어 손글씨 데이터에 대해 뛰어난 일반화 능력을 보였다.
• 다양한 글쓰기 스타일과 스크립트를 포함한 환경에서 시스템은 강건성과 높은 정확도를 보였다.