[논문 리뷰] An Online Writer Identification System based on Beta-Elliptic Model and Fuzzy Elementary Perceptual Codes.

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

Handwritten Text Recognition Techniques인용 수 12

한 줄 요약

이 논문은 온라인 필기에서 분할된 베타 스트로크에서 정적 및 동적 특징을 추출하기 위해 베타-타원형 모델링과 퍼지 기본 인지 코드를 사용하는 온라인 글자 식별 시스템을 제안한다. 시스템은 위치와 기하학적 특성에 따라 N개의 연속된 스트로크를 그룹화한 후, 심층 신경망을 활용하여 분류를 수행하며, 기존 방법에 비해 라틴 및 아랍 문자에서 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 Beta stroke, we extract a set of static and dynamic features using four features extraction techniques based on the Beta Elliptic model and the Fuzzy Elementary Perceptual Codes. Next, all the segments which are composed of N consecutive Beta strokes are categorized into groups and subgroups according to their position and their geometric characteristics. Finally, Deep Neural Network are used for classification. 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

• 기존 접근 방식에 비해 정확도를 향상시킨 온라인 필기용 강력한 생체 인식 글자 식별 시스템을 개발하는 것.
• 기하학적 및 동적 특징을 포착하기 위해 온라인 필기 스트로크를 베타-타원형 모델로 모델링하는 것.
• 퍼지 기본 인지 코드와 다양한 특징 추출 기법을 활용해 분류에 유용한 특징을 추출하는 것.
• 공간적 및 기하학적 특성에 기반해 스트로크 시퀀스를 그룹화하여 분류 성능을 향상시키는 것.
• 라틴 및 아랍 문자를 포함한 다양한 글자 스크립트에서 심층 신경망을 사용하여 시스템 성능을 평가하는 것.

제안 방법

• 시스템은 스트로크 역학에 기반해 온라인 필기를 전처리 및 분할하여 개별적인 베타 스트로크로 나눈다.
• 각 베타 스트로크에서 정적 및 동적 특징을 유도하기 위해 베타-타원형 모델에 기반한 네 가지 특징 추출 기법을 적용한다.
• 퍼지 기본 인지 코드를 사용해 스트로크 특징 내 인지 패턴을 인코딩하여 표현력을 향상시킨다.
• 연속적인 N개의 베타 스트로크를 위치 및 기하학적 특성에 따라 군집화하고, 하위 군집으로 나눈다.
• 그룹화되고 특징이 추출된 스트로크 시퀀스를 사용해 심층 신경망을 훈련시켜 글자 식별자를 분류한다.
• 시스템은 라틴 및 아랍 문자 필기 샘플을 포함한 데이터셋을 기반으로 평가된다.

실험 결과

연구 질문

• RQ1 베타-타원형 모델은 온라인 필기 스트로크의 기하학적 및 동적 특징을 얼마나 효과적으로 표현할 수 있는가?
• RQ2 퍼지 기본 인지 코드는 글자 식별을 위한 특징 표현을 어느 정도 향상시키는가?
• RQ3 위치와 기하학적 특성에 따라 N개의 연속 스트로크를 그룹화하는 것이 분류 성능 향상에 기여하는가?
• RQ4 제안된 시스템은 라틴 및 아랍 문자에서 기존 글자 식별 시스템에 비해 정확도 측면에서 어떻게 비교되는가?
• RQ5 심층 신경망은 추출된 특징을 기반으로 글자 식별자를 식별하는 데 어떤 기여를 하는가?

주요 결과

• 제안된 시스템은 라틴 및 아랍 문자에서 기존 글자 식별 시스템에 비해 뛰어난 성능을 기록한다.
• 베타-타원형 모델링과 퍼지 기본 인지 코드의 통합은 글자 식별을 위한 특징의 분류 능력을 향상시킨다.
• 기하학적 및 위치적 특성에 따라 스트로크 시퀀스를 그룹화함으로써 분류 정확도가 향상된다.
• 심층 신경망은 추출된 특징으로부터 복잡한 패턴을 효과적으로 학습하여 글자 식별에 기여한다.
• 시스템은 아랍어 및 라틴어를 포함한 다양한 글쓰기 스타일과 스크립트에 대해 강력한 일반화 능력을 보여준다.
• 실험 결과는 기하학적 모델링, 인지 코드화, 딥 러닝을 결합한 다단계 접근 방식의 효과성을 확인한다.