[논문 리뷰] ANN-based Innovative Segmentation Method for Handwritten text in Assamese

Kaustubh Bhattacharyya, Kandarpa Kumar Sarma|ArXiv.org|2009. 11. 04.

Handwritten Text Recognition Techniques참고 문헌 8인용 수 11

한 줄 요약

이 논문은 전통적인 투영 기반 정적 분할의 한계를 극복하기 위해 수기로 쓴 아삼어 텍스트를 위한 혁신적인 ANN 기반 동적 분할 방법을 제안한다. 과도하게 분할된 선에서 개별 문자를 인식하도록 신경망을 훈련시킴으로써, 패턴 매칭을 통해 최적의 분할 경계를 식별함으로써 아삼어와 같이 자원이 부족한 인도 문자 체계에서 문자 수준의 분할 정확도를 향상시킨다.

ABSTRACT

Artificial Neural Network (ANN) s has widely been used for recognition of optically scanned character, which partially emulates human thinking in the domain of the Artificial Intelligence. But prior to recognition, it is necessary to segment the character from the text to sentences, words etc. Segmentation of words into individual letters has been one of the major problems in handwriting recognition. Despite several successful works all over the work, development of such tools in specific languages is still an ongoing process especially in the Indian context. This work explores the application of ANN as an aid to segmentation of handwritten characters in Assamese- an important language in the North Eastern part of India. The work explores the performance difference obtained in applying an ANN-based dynamic segmentation algorithm compared to projection- based static segmentation. The algorithm involves, first training of an ANN with individual handwritten characters recorded from different individuals. Handwritten sentences are separated out from text using a static segmentation method. From the segmented line, individual characters are separated out by first over segmenting the entire line. Each of the segments thus obtained, next, is fed to the trained ANN. The point of segmentation at which the ANN recognizes a segment or a combination of several segments to be similar to a handwritten character, a segmentation boundary for the character is assumed to exist and segmentation performed. The segmented character is next compared to the best available match and the segmentation boundary confirmed.

연구 동기 및 목표

• 수기로 쓴 아삼어 문자(자원이 부족한 인도 문자 체계)의 정확한 분할 문제를 수기 텍스트 인식 파ip라인에서 해결하기 위해.
• 다양한 수기 스타일과 문자 겹침으로 인해 종종 실패하는 정적 투영 기반 분할의 한계를 극복하기 위해.
• 인공신경망(ANN)을 사용한 동적 분할 접근법을 개발하여, 문자 인식에 기반해 적응적으로 분할 경계를 식별하기 위해.
• 인식 단계 이전의 분할 단계를 정교화시켜 수기로 쓴 아삼어 텍스트 인식의 총합 정확도를 향상시키기 위해.

제안 방법

• 방법은 전통적인 투영 기반 기법을 사용해 수기 선을 단어 수준의 구성요소로 정적 분할함으로써 시작된다.
• 각 분할된 단어는 더 작은 부분으로 과도하게 분할되어 잠재적인 문자 경계를 생성한다.
• 훈련된 인공신경망(ANN)은 각 부분과 인접한 부분 조합을 평가하여 그것이 알려진 수기 문자와 일치하는지 확인한다.
• ANN은 다양한 개인으로부터 수집한 수기 아삼어 문자 데이터셋을 기반으로 훈련되어 스타일 변형에 대한 강건성을 확보한다.
• ANN이 높은 신뢰도로 특정 부분(또는 부분 조합)을 알려진 문자와 일치로 인식할 경우, 분할 경계가 확인된다.
• 최종 분할 결과는 훈련 데이터베이스에서 가장 잘 맞는 문자와의 비교를 통해 검증된다.

실험 결과

연구 질문

• RQ1 ANN 기반 동적 분할 접근법은 수기로 쓴 아삼어 텍스트 분할에서 기존 정적 투영 기반 방법을 능가할 수 있는가?
• RQ2 수기 아삼어 텍스트의 과도하게 분할된 하위단어에 ANN을 적용했을 때, 최적의 분할 경계를 탐지하는 데 얼마나 효과적인가?
• RQ3 다양한 수기 샘플에 기반해 ANN을 훈련시키면 아삼어 문자의 분할 정확도가 얼마나 향상되는가?
• RQ4 동적 분할 방법은 수기 아삼어 텍스트에서 겹치거나 잘 분리되지 않은 문자를 어떻게 처리하는가?

주요 결과

• ANN 기반 동적 분할 방법은 수기로 쓴 아삼어 텍스트 분할에서 정적 투영 기반 분할보다 뛰어난 성능을 보였다.
• 동적 접근법은 ANNs의 패턴 인식 능력을 활용해 문자 경계를 더 신뢰성 있게 식별함으로써 더 높은 분할 정확도를 달성했다.
• 과도하게 분할한 후 ANN 평가를 수행하는 방식은 경계의 적응형 탐지가 가능하게 하여 일관되지 않은 수기로 인한 오류를 줄였다.
• 이 방법은 수기 아삼어에서 흔한 선의 두께 변화와 문자 간 연결성의 변형을 효과적으로 처리하는 데 성공했다.
• 시스템은 훈련 세트에서 가장 잘 맞는 문자와의 비교를 통해 분할 경계를 확인함으로써 신뢰성을 향상시켰다.
• 결과적으로 ANNs는 인도 문자 체계의 자원이 부족한 수기 인식 작업에서 분할 품질을 크게 향상시킬 수 있음을 시사한다.