[논문 리뷰] Application of Statistical Features in Handwritten Devnagari Character Recognition

Sandhya Arora, Debotosh Bhattacharjee외 3명|arXiv (Cornell University)|2010. 06. 30.

Handwritten Text Recognition Techniques참고 문헌 4인용 수 11

한 줄 요약

이 논문은 사전 처리된 문자에서 추출한 체인 코드 히스토그램 및 모멘트 불변 특징을 사용하여 하이브리드 오프라인 수필라라지 문자 인식 시스템을 제안한다. 이 특징들은 다수의 다층 퍼셉트론(MLP)에 입력되며, 결과는 가중치가 부여된 다数 투표 방식으로 융합된다. 이 시스템은 1500개 샘플로 구성된 데이터베이스에서 상위 5개 예측에 대해 98.03%의 인식률을 기록하고, 상위 1개 예측에 대해선 89.46%의 인식률을 기록하여 글쓰기 스타일과 크기 변화에 대해 뛰어난 내성성을 보여준다.

ABSTRACT

In this paper a scheme for offline Handwritten Devnagari Character Recognition is proposed, which uses different feature extraction methodologies and recognition algorithms. The proposed system assumes no constraints in writing style or size. First the character is preprocessed and features namely : Chain code histogram and moment invariant features are extracted and fed to Multilayer Perceptrons as a preliminary recognition step. Finally the results of both MLP's are combined using weighted majority scheme. The proposed system is tested on 1500 handwritten devnagari character database collected from different people. It is observed that the proposed system achieves recognition rates 98.03% for top 5 results and 89.46% for top 1 result.

연구 동기 및 목표

• 글쓰기 스타일이나 크기 제약 없이 내성적인 오프라인 수필라라지 문자 인식 시스템을 개발하기 위해.
• 통계적 특징—체인 코드 히스토그램 및 모멘트 불변 특징—이 수필라라지 문자 인식에서 문자 표현에 효과적인지 평가하기 위해.
• 가중치가 부여된 다수 투표 방식을 사용해 다수의 MLP 분류기 결과를 융합하여 인식 정확도를 향상시키기 위해.
• 실제 세계의 다양한 1500개 수필라라지 문자로 구성된 데이터셋을 기반으로 시스템을 검증하기 위해.

제안 방법

• 크기 정규화 및 대trast 강화를 위한 수필라라지 문자의 사전 처리.
• 윤곽의 형태 정보를 캡처하기 위해 체인 코드 히스토그램 특징 추출.
• 이동, 크기, 회전에 대해 불변인 전반적인 형태 특징을 표현하기 위해 모멘트 불변 특징 계산.
• 체인 코드 히스토그램 및 모멘트 불변 특징에 기반해 두 개의 별도 다층 퍼셉트론(MLP) 훈련.
• 개별 MLP 출력을 가중치가 부여된 다수 투표 방식으로 융합하여 전체 인식 성능 향상.
• 검증 세트에서 개별 분류기 성능에 기반해 융합 방식의 가중치 최적화.

실험 결과

연구 질문

• RQ1 체인 코드 히스토그램 및 모멘트 불변 특징이 수필라라지 문자 인식을 위해 효과적으로 표현 가능한가?
• RQ2 가중치가 부여된 다수 투표 방식을 사용해 다수의 MLP 분류기를 융합하면 단일 분류기 대비 인식 정확도가 얼마나 향상되는가?
• RQ3 이 시스템은 사전 제약 없이 다양한 글쓰기 스타일과 크기 변화에 대해 얼마나 높은 정확도를 유지할 수 있는가?
• RQ4 실제 세계의 수필라라지 문자 데이터베이스에서 제안된 시스템의 인식 성능는 어떠한가?

주요 결과

• 제안된 시스템은 1500개 샘플로 구성된 수필라라지 문자 데이터베이스에서 상위 5개 예측에 대해 98.03%의 상위 5위 정확도를 달성한다.
• 상위 1위 정확도는 89.46%에 도달하여 단일 레이블 예측에 대해 뛰어난 성능을 보여준다.
• 체인 코드 히스토그램 및 모멘트 불변 특징을 모두 사용함으로써 다양한 글쓰기 스타일과 크기 변화에 대한 내성성이 향상된다.
• 두 개의 MLP를 가중치가 부여된 다수 투표로 융합함으로써 개별 분류기 대비 인식 성능이 크게 향상된다.
• 글쓰기 스타일이나 크기 정규화 없이도 실제 수필라라지 데이터에 대해 높은 일반화 능력을 보여준다.
• 결과는 통계적 특징과 앙상블 학습이 수필라라지 문자 인식에서 효과적임을 검증한다.