[논문 리뷰] An Improved Feature Descriptor for Recognition of Handwritten Bangla Alphabet

Nibaran Das, Subhadip Basu외 4명|arXiv (Cornell University)|2015. 01. 22.

Handwritten Text Recognition Techniques참고 문헌 10인용 수 35

한 줄 요약

이 논문은 수식, 기하학적 특징, 구조적 특징, 공간적 특징을 융합한 개선된 특징 서술자(Descriptor)를 제안한다. 이는 수정된 색자국 특징, 8분면 및 중심점 특징, 거리 기반 특징, 4분할 트리 기반 최장 연속 특징을 조합하여 수작업된 방글라 알파벳 인식에 활용된다. 이 방법은 50개 문자 클래스에서 다층퍼셉트론(MLP) 분류기를 사용하여 85.40%의 인식 정확도를 달성하였으며, 이는 이전의 75.05% 정확도보다 뚜렷하게 향상된 성능이다.

ABSTRACT

Appropriate feature set for representation of pattern classes is one of the most important aspects of handwritten character recognition. The effectiveness of features depends on the discriminating power of the features chosen to represent patterns of different classes. However, discriminatory features are not easily measurable. Investigative experimentation is necessary for identifying discriminatory features. In the present work we have identified a new variation of feature set which significantly outperforms on handwritten Bangla alphabet from the previously used feature set. 132 number of features in all viz. modified shadow features, octant and centroid features, distance based features, quad tree based longest run features are used here. Using this feature set the recognition performance increases sharply from the 75.05% observed in our previous work [7], to 85.40% on 50 character classes with MLP based classifier on the same dataset.

연구 동기 및 목표

• 수작업된 방글라 문자 인식을 위한 더 구분력 있는 특징 집합을 개발하기 위해.
• 이전 연구에서 달성한 75.05%의 정확도를 초월하는 인식 정확도 향상을 위해.
• 더 나은 패턴 표현을 위해 기하학적 및 구조적 특징을 융합하기 위해.
• 표준화된 데이터셋에서 제안된 특징 집합의 효과성을 검증하기 위해.
• 기존 방법들에 비해 새로운 특징 서술자가 우월함을 입증하기 위해.

제안 방법

• 이 방법은 총 132개의 특징을 조합한다: 수정된 색자국 특징, 8분면 및 중심점 특징, 거리 기반 특징, 4분할 트리 기반 최장 연속 특징.
• 수정된 색자국 특징은 스트로크의 구조에 민감도가 향상된 수직 및 수평 투영 특성을 캡처한다.
• 8분면 및 중심점 특징은 문자 이미지 내 스트로크의 공간 분포와 중심 경향성을 표현한다.
• 거리 기반 특징은 스트로크 간 및 스트로크 내 공간적 관계를 정량화한다.
• 최장 연속 특징은 4분할 트리 분해를 통해 주요 스트로크 세그먼트를 식별한다.
• 완전한 특징 벡터는 다층퍼셉트론(MLP) 분류기에 입력되어 인식이 수행된다.

실험 결과

연구 질문

• RQ1 기하학적, 구조적, 공간적 특징을 융합한 하이브리드 특징 서술자가 수작업된 방글라 문자의 인식 정확도 향상에 기여할 수 있는가?
• RQ2 제안된 특징 집합은 이전 특징 집합에 비해 어떤 정도의 구분력 향상을 보이는가?
• RQ3 4분할 트리 기반 최장 연속 특징의 통합이 패턴 표현에 얼마나 기여하는가?
• RQ4 50개 클래스의 방글라 알파벳 데이터셋에서 새로운 특징 서술자를 사용할 경우 인식 정확도는 얼마나 향상되는가?
• RQ5 이 방법은 수기 스타일의 다양성에 대해 안정성을 유지하는가?

주요 결과

• 제안된 특징 서술자는 다층퍼셉트론(MLP) 분류기를 사용하여 50개의 방글라 문자 클래스에서 85.40%의 인식 정확도를 달성하였다.
• 이는 저자들이 이전에 보고한 75.05%의 이전 최고 성능에 비해 뚜렷한 향상이다.
• 수정된 색자국 특징과 4분할 트리 기반 최장 연속 특징의 포함이 성능 향상에 크게 기여한다.
• 8분면, 중심점, 거리 기반 특징의 조합은 유사한 외형을 가진 문자들 간의 공간적 구분력을 향상시킨다.
• 이 특징 집합은 이전 실험에서 사용된 동일한 데이터셋에서 강력한 일반화 능력을 보이며, 그 안정성을 확인한다.
• 동일한 데이터에서의 정량적 비교를 통해 이전 특징 집합에 비해 명백한 우월성이 입증된다.